Andrej Karpathy使用Autoresearch自动调校nanochat语言模型约2天，经过276次实验后，累计29项可提升验证表现的调整。

OpenAI创始成员之一Andrej Karpathy在GitHub上发布了新项目Autoresearch，尝试将大型语言模型研究中原本依赖人工操作的流程，转化为可由AI代理反复执行的自动化实验循环。该项目一经发布便引发广泛关注，提供了一个轻量级的LLM训练框架，使AI代理能够在固定时间内修改训练脚本、启动实验、评估结果，并决定保留或放弃变更，从而在有限计算资源下，自动化处理原本由研究人员手动完成的参数调整与对比工作。

Autoresearch发布后迅速吸引开发者社区的关注。GitHub页面显示，该项目已获得约1.8万颗星标和约2300次分叉，并已有数十个议题和拉取请求。Andrej Karpathy在X平台发布的介绍帖文，累计观看量超过889万次，转发4300次，点赞2.6万次。

Autoresearch将整个实验架构简化至最小可行规模。Andrej Karpathy指出，整个代码库真正核心的仅有三个文件：prepare.py负责固定常量、数据准备与执行工具；train.py是唯一由代理修改的训练主程序；program.md则由人类编写，用于说明任务目标与背景信息。用户无需像传统研究流程那样直接修改多段Python代码，而是通过文字描述设定代理的工作框架，由代理自行尝试不同的模型结构、超参数与训练配置。

该项目强调可比较性，而非追求单次实验的最优结果。Autoresearch每次训练均限制在5分钟内，并以验证集上的指标评估模型表现，确保即使修改模型深度、批量大小、优化器或注意力机制，也能在相同时间预算下进行公平比较，更易识别真正有效的调整。Andrej Karpathy后续提到，他让Autoresearch持续调优nanochat模型约2天，累计发现约20项可降低验证损失的变更，其中一批调整在更大模型上仍能保持效果，最终使模型达到GPT-2水平所需时间，从2.02小时缩短至1.8小时。

Autoresearch的运行条件包括单张NVIDIA GPU、Python 3.10以上版本，以及uv包管理工具，目前主要测试平台为H100，CPU、Apple MPS及其他平台暂非主要支持对象。