cat > /tmp/auto_article.md << 'ARTICLE'
🤖 Autoresearch (karpathy)：81.5k★，让 AI Agent 替你跑一夜的 LLM 实验，醒来就有更好的模型
Autoresearch: 81.5k Stars — Let AI Agents Run LLM Experiments Overnight, Wake Up to a Better Model
Karpathy 在 2026 年 3 月丢出来的项目，一句话概括：给 AI Agent 一个真实的单 GPU 训练环境，让它自己改代码、自己跑实验、自己判断好坏，你在旁边睡觉就行。
跟那些"用 AI 帮你写论文摘要"的玩意不一样，autoresearch 是真的让 Agent 动手改 train.py 里的模型架构、优化器、超参数。训练跑固定 5 分钟，完了看 val_bpb（越低越好），Agent 自己决定要不要保留修改。一晚上大概能跑 100 轮实验。
怎么工作的
整个 repo 就三个核心文件：
prepare.py — 数据下载 + 分词器训练（固定不动）
train.py — 模型 + 优化器 + 训练循环（Agent 天天改这个）
program.md — Agent 的"工作说明书"（你来写）
train.py 包含完整的 GPT 模型、Muon + AdamW 优化器、训练循环。Agent 可以动任何东西：换架构、调学习率、改 batch size、加新的 loss 项。每次实验固定 5 分钟墙钟时间，不管你的 GPU 是 H100 还是 4090，时间到了就停，对比结果。
真正装起来跑
# 装 uv（如果还没装）
curl -LsSf https://astral.sh/uv/install.sh | sh
# 装依赖
uv sync
# 一次性数据准备（约 2 分钟）
uv run prepare.py
# 手动跑一轮测试（约 5 分钟）
uv run train.py
上面几步跑通说明环境就绪了。然后开你的 Claude Code / Codex：
Hi have a look at program.md and let's kick off a new experiment! let's do the setup first.
Agent 就会读 program.md，开始改代码、跑实验、记录结果。
为什么有意思
三个设计选择让这个项目跟别家不一样：
- 只改一个文件。 Agent 只动
train.py，diff 可审查，不会被 Agent 搞得乱七八糟。 - 固定 5 分钟时间预算。 不管 GPU 型号，每次实验时间一样，实验结果可以直接对比。一晚 ≈ 100 轮实验。
- 完全自包含。 除了 PyTorch 没别的依赖，不需要分布式训练，不需要复杂配置。一张 GPU，一个文件，一个指标。
你能拿它干嘛
- 睡前开一轮，早上看 log 发现模型 bpb 降了 0.3
- 写不同的
program.md，让 Agent 尝试不同的研究方向（比如调参 vs 换架构） - 对比不同的 Agent（Claude Code vs Codex）在"自动做科研"上的表现
"One day, frontier AI research used to be done by meat computers... That era is long gone." — @karpathy, March 2026