AutoResearch 透過建立一個「生成→測試→評估→優化→再生成」的循環，使 AI 從被動執行轉變為主動迭代。研究人員首先設定目標和衡量標準，例如提高語言預測的準確性。AI 接收到這些指令後，會自主生成假設，修改程式碼（如模型層數或學習速率），並執行實驗來測試不同組合的效果。
AI 根據預設的指標評估實驗結果，判斷哪些改動有效，哪些需要捨棄，並保留有效的改動，再生成新的假設，持續進行測試。這個過程讓 AI 不再只是被動地執行命令，而是能夠在設定的規則下，自主完成實驗並改進，就像在實驗室裡有一位永不疲倦的小助手。
卡帕西利用 AutoResearch 改良 nanochat，在短短兩天內執行了約 700 次實驗，發現了 20 項可以改善的要點，將訓練時間縮短了 11%。Shopify 執行長托比．路特克也使用 AutoResearch 優化了核心模板引擎 Liquid，獲得了顯著的效能和記憶體優化。AutoResearch 的問世，也代表研究人員的身分轉變為設定實驗方向，用自然語言與 AI 溝通的策劃者。
This is a simplified version of the page. Some interactive features are only available in the full version.
本頁為精簡版，部分互動功能僅限完整版使用。
👉 View Full Version | 前往完整版內容