每个人都在谈论@karpathy autoresearch，但你们大多数人其实不知道它到底做了什么。

有一个训练脚本(train(dot)py)，用来训练一个小型语言模型，基本上就是一个婴儿GPT。
还有一个指令文件(program(dot)md)，告诉AI代理该做什么。
你按下“开始”。代理会调整训练脚本，训练5分钟，检查分数。表现更好吗？保持。更差？还原。重复100次，整夜睡觉时完成。
这就是全部。
它实际上优化的：模型架构。不是预测。不是交易。也不是你的投资组合。
比如：
→ 4层还是8层？
→ 最佳学习率？
→ AdamW还是Muon优化器？
→ 在这台特定GPU上，哪个批次大小效果最好？
最优架构取决于你的硬件。H100需要完全不同的模型，而你的MacBook则不同。autoresearch会自动找到最适合你机器的配置。
你可以用它做的事情：
> 构建一个写代码的微型LLM，autoresearch找到最佳架构，你用你的数据集训练
> 创建一个离线在手机上运行的轻量级聊天机器人
> 训练一个模仿你写作风格的模型
> 测试“RoPE是否比ALiBi更适合小模型？”一夜内完成100个变体，而不是花3周做博士论文
> 为树莓派或边缘设备优化模型
你不能做的事情：
> 预测股价
> 寻找交易优势
> 分析电子表格
> 预测体育比赛结果
autoresearch是为那些想要构建语言模型的人设计的工具，而不是用它的人。Karpathy建立了一个自主循环，让AI改善AI。真正聪明，但它解决的是一个非常具体的问题。
而这个问题可能不是你的。没关系，只是别再假装它是别的什么。