你有没有想过，睡前启动一个脚本，第二天醒来就能收获一百次机器学习实验的结果，其中一部分还确实比你手动调参调得更好？
这就是Andrej Karpathy今年3月开源的autoresearch项目在做的事。整个仓库核心代码只有约630行Python，却实现了一个完整的AI自主研究循环。
它的原理其实很直白：给AI Agent一个真实的LLM训练环境，让它自己修改代码、启动训练、五分钟后检查结果。验证损失降低了就保留改动，没降低就回退，然后继续下一轮。你早上醒来，面前是一串实验日志，和一个可能变好了的模型。
整个系统只有三个核心文件。prepare.py负责数据准备，智能体不能动；train.py是约630行的训练脚本，包含完整的GPT模型定义和训练循环，这是智能体唯一可以编辑的文件；program.md是一个Markdown文件，充当给智能体的指令手册，由人类编写。
这里的设计哲学很精妙：人类编写指导智能体行为的元程序，智能体负责编写和修改实际的训练代码。人机角色的边界被清晰划分——人类做策略决策，AI做执行迭代。
训练时间预算被硬性固定为5分钟。这个设计有两个好处：不同实验之间的结果可以直接比较，不管智能体把模型改大了还是改小了；同时系统会为你的硬件找到5分钟内能达到的最优配置。
项目上线后迅速引爆社区，GitHub星标突破8万，成为2026年上半年AI开源社区传播最广的项目之一。后续还扩展出了autoresearch@home，让人类参与者与AI智能体共享实验，共同挑战排行榜。
更值得关注的是，autoresearch开创的这种AI改进AI的范式正在被广泛复制。DeepSeek研究员陈德里基于类似思路开发了Deli AutoResearch SKILL，仅用6天就生成了一篇完整的综述论文。超衍智能的自动化AI系统也在autoresearch的竞技场上刷新了SOTA记录。
如果你有一块NVIDIA GPU和Python 3.10+环境，现在就可以在GitHub上克隆这个项目试试。搭配Claude Code或Codex等代码生成模型，效果会更好。让AI帮你通宵做实验，这个想法听起来疯狂，但它确实已经在发生了。
项目地址：github.com/karpathy/autoresearch
