Vibe Coding 發明人兩週前丟一個超猛的東西 — AutoResearch — 這兩週試玩的小心得

Vibe Coding 發明人兩週前丟一個超猛的東西 — AutoResearch — 這兩週試玩的小心得

Andrej Karpathy 做了一個小型 LLM 自動 Training 的流程，整個 repo 只有三個核心檔案，但完全不能小看裡面的 Prompt Engineering 跟整個 Research Flow

它的設計：

• 實驗範圍 — agent 只能動一個檔案（train.py）
• 衡量標準 — val_bpb，低就是好，跟架構無關可以公平比
• 固定時間 — 每輪 5 分鐘，一晚大概跑 100 個實驗

整個流程就是：改 code → 跑 5 分鐘 → 比結果 → 有進步就留、沒進步就丟 → 再改 → 重複，全自動，不用人介入

但重點其實不只是 ML training

有了這個東西，你可以拿來 Research 各種題目。只要改一下 program.md 裡面的指令，它自然就能變成研究各種題目的方式

實際測起來，已經比 Deep Research 所有線上服務都還要好。Token 消耗還算可控，一個題目大概 50-500K token （純體感，不完全可信，只是想講不會到 1M），題目難一點會多花一些，但整體都還算可用

重點是效果真的非常好！！！

而且你可以從 Research 完的題目直接去 Build 你想做的任何東西，甚至可以把整個流程變成一個 Skill

我覺得它跟 Superpowers 裡面的 Brainstorm skill 有一點類似，但 AutoResearch 多了一層迭代。把這兩個結合起來的話…就等於有一個自己超強的 Research Agent，而後面的迭代又回到自己的品味了 （哈