安德烈·卡尔帕蒂训练AI代理在夜间执行数百次实验，当人们休息时。

安德烈·卡尔帕蒂（Andrej Karpathy）提出了自动研究的新方法

前特斯拉 AI 项目负责人、OpenAI 联合创始人安德烈·卡尔帕蒂宣布启动一个简单但强大的开源项目。脚本仅 630 行，托管在 GitHub 上。它并不声称是完整模型或大型企业产品；目标是展示 AI 代理如何完全自动化科学方法，无需人工干预。

> “我们的任务是构建能够无限快速推进研究的代理，即使在夜间也能工作。”——卡尔帕蒂在 X 上写道。该消息立即走红，两天内获得超过 860 万次观看。

系统如何运作
1. 初始化

代理接收训练脚本和固定计算预算（通常为 GPU 的 5 分钟）。

2. 自我分析代码

阅读自身源代码，提出改进假设（例如调整学习率或模型深度）。

3. 修改并运行实验

做出更改，启动实验并评估结果。

4. 效果检查

如果 *val_bpb*（验证时每字节损失）指标提升，则保存更改；否则回滚并生成新假设。

在一夜之间，代理完成了 126 次实验，将损失从 0.9979 降至 0.9697。经过两天的调优后，它处理了约 700 个独立变更，发现大约 20 项附加改进，并成功迁移到更大型模型。

卡尔帕蒂指出：“看到代理完全管理从开始到结束的整个过程，令人难以置信。他找到了我在 20 年工作中忽略的注意力扩展和正则化错误。”

专家观点
自动化科学方法被视为 AI 发展的根本转折。将机器学习变成“硅速进化过程”，卡尔帕蒂开辟了 IT、营销、医疗保健等领域研究的新天地。

实践应用示例
| 合作伙伴 | 实验描述 | 结果 |
|---|---|---|
| Hyperspace AI（Varun Mathur） | 35 个自治代理在对等网络中使用笔记本 CPU 工作。 | 一夜之间完成 333 次实验，发现初始化策略（Kaiming、Xavier）和归一化方法（RMSNorm）。 |
| Single Grain（Eric Siu） | 自动化营销周期：代理更改目标页面、广告创意或邮件中的变量。 | 衡量“正面响应率”，保存成功变更并删除无效方案。 |

结论
卡尔帕蒂展示了简单脚本如何成为 AI 代理自我学习的强大工具。自动化优化循环使得夜间可进行数百次实验，发现过去需要多年研究才能得到的改进。这为各领域模型开发提供了更快、更具扩展性的路径。