AutoResearch 透過一個循環迭代的過程，讓 AI 能夠自主生成、執行與優化實驗。首先，研究人員提供一個目標，例如提高語言預測的準確性，並設定一個衡量標準，例如預測錯誤率。AI 接收到目標後，會開始自主迭代，包括生成假設、執行實驗、評估結果，並進行下一輪迭代。
在生成假設階段，AI 會修改程式碼，例如調整模型的層數或學習速率。接著，AI 會在電腦上執行訓練，測試不同組合的效果。完成實驗後，AI 會根據預設的指標來評估結果，決定哪些修改有效，哪些需要捨棄。最後，AI 會保留有效的修改，並生成新的假設，繼續測試，形成一個「生成→測試→評估→優化→再生成」的循環。
AutoResearch 的強大之處在於它不僅僅是自動化，而是展現了 AI 自主迭代的潛力。透過規範訓練時間，讓各個實驗的結果可以公平比較，降低硬體門檻，讓預算有限的個人研究者也能使用。卡帕西利用 AutoResearch 在兩天內對 nanochat 進行了約 700 次實驗，發現了 20 項可以改善的要點。Shopify 執行長也使用 AutoResearch 優化了核心模板引擎 Liquid，獲得了顯著的效能提升與記憶體優化。
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