我将“autoresearch”项目打包成一个新的自包含的最小仓库，如果人们想在周末玩玩的话。它基本上是nanochat LLM训练核心，简化为一个单GPU、一个文件版本，约630行代码，然后： - 人类迭代提示（.md） - AI代理迭代训练代码（.py） 目标是设计你的代理，使其在没有你任何参与的情况下无限制地快速推进研究。在图像中，每个点都是一个完整的LLM训练运行，持续正好5分钟。代理在git功能分支上以自主循环工作，并在找到更好的设置（到最后的验证损失更低）时，将git提交累积到训练脚本中，包括神经网络架构、优化器、所有超参数等。你可以想象比较不同提示、不同代理等的研究进展。 部分代码，部分科幻，还有一点精神病 :)