AutoResearch 透過讓 AI 自主生成、執行和優化實驗，實現了 AI 自主迭代的潛力。研究人員只需提供研究方向和衡量標準，AI 就能自主迭代，進行假設生成、執行實驗、評估結果以及下一輪迭代。透過這種「生成→測試→評估→優化→再生成」的循環，AI 不再是被動執行命令，而是在設定好規則後，自行完成實驗改進。
AutoResearch 的強大之處不僅在於自動化，更在於展現了 AI 自主迭代的潛力，研究人員無需在每次實驗後重新發號施令、調整研究方向。此外，AutoResearch 設定的訓練時間為 5 分鐘，無論模型規模或新架構，都只運行 5 分鐘，透過規範時間讓各個實驗的結果可以公平比較。AutoResearch 的硬體門檻也較低，只要有單個輝達 GPU 即可運行，讓預算有限的研究者也能使用。
AutoResearch 在實際應用中展現了顯著的效率提升，卡帕西利用 AutoResearch 改良 nanochat，在短短兩天內，AI 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 Shopify 的核心模板引擎 Liquid，測得最高達 53% 的效能提升與 61% 的記憶體優化。AutoResearch 的問世，也代表著研究人員身分出現轉換，從過去親自埋首實驗，轉變為設定實驗方向，用自然語言與 AI 溝通執行的策劃者。
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