AutoResearch的問世，預示著研究人員的角色將從過去親自埋首實驗轉變為實驗方向的設定者，以及用自然語言與AI溝通的策劃者。研究人員將不再需要親自執行每次實驗後的調整，而是轉變為設定實驗方向，並與AI溝通，讓AI自主完成實驗改進。換言之，AI在設定好規則後，研究人員將成為AI實驗過程的策劃者。
AutoResearch讓AI能夠在沒有人工干預的情況下，自主生成、執行和優化實驗。研究人員提供方向，例如提高模型在語言預測方面的準確性，並設定一個衡量標準，例如預測錯誤率。AI接收到這個目標後，便開始自主迭代，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，而是自行完成實驗改進。
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。
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