@omarsar0：Karpathy 的 autoresearch 仓库掀起一股新风潮，智能体已能训练 AI 模型打造 SoTA 智能体系统……
摘要
Karpathy 的 autoresearch 项目引发潮流：智能体训练 AI 模型构建最先进的智能体系统，同时暴露当前 LLM 在假设生成上的短板。
查看缓存全文
缓存时间: 2026/04/22 12:53
Karpathy 的 autoresearch 仓库掀起了一股令人惊艳的风潮。如今，智能体已经可以训练 AI 模型去构建最先进的智能体系统。而这还只是冰山一角。归根结底，关键在于提出高质量的研究问题或假设。LLM 在这方面（还）不太行。
相似文章
@lftherios：1/ @karpathy 的 autoresearch 是今年最具代表性的智能体范式之一。问题在于……
Andrej Karpathy 的 autoresearch 范式揭示：当下 AI 智能体各自为战做实验，重复劳动、浪费算力，还不断「重新发明」死路。
@sitinme: 看到 Karpathy 开源了一个很有意思的项目autoresearch，把一个真实但小型的 LLM 训练任务交给 AI Agent，让它自己做研究、改代码、跑实验、看结果，然后决定保留还是放弃这次改动。 这个项目基于单张 NVIDIA …
Karpathy 开源了一个实验性项目 autoresearch，让 AI Agent 自动完成小规模 LLM 训练的研究循环：修改代码、运行实验、评估结果并迭代优化，人类只需编写研究计划和约束。
@dair_ai: Very cool idea to have agents design complex systems by searching over the model structure itself. New research from Sa…
A tweet from DAIR AI highlights new research by Sakana AI introducing CEDAR, an LLM-agent method that designs, simulates, and refines complex system-dynamics models via Monte Carlo Tree Search over feedback structures, aiming to automate goal-directed design in artificial life.
生成更好训练数据的智能体（25分钟阅读）
Autodata 引入了一种智能体数据科学家，它能够迭代生成并优化合成训练数据，并通过元优化进一步提升数据质量，在计算机科学和法律推理任务上取得了更好的效果。
@SuJinyan6: https://x.com/SuJinyan6/status/2073955240349770069
这篇由SuJinyan6撰写的博文探讨了AI Agent从简单的LLM加工具使用，向上下文工程和长时间运行框架的演变。文中引用了Anthropic的最新研究，讨论了Agent能力如何成为一种系统级属性，涉及多个组件。