awesome-autoresearch

O nástroji

Awesome-autoresearch je otevřený seznam na GitHubu (webfuse-com/awesome-autoresearch), který mapuje 82 forků, hardwarových portů, doménových adaptací a benchmarků založených na konceptu „autoresearch“ Andreje Karpathyho. Základem je jediný soubor program.md, který instruuje kódovacího agenta (např. Claude Code nebo Codex), aby upravil jeden soubor, spustil časově omezený trénink, zkontroloval, zda se sledovaná metrika (např. val_bpb) zlepšila, a podle výsledku změnu buď potvrdil (keep), nebo vrátil zpět přes Git reset (revert). Tento cyklus se opakuje stovky kroků bez lidského zásahu. Index dokumentuje reálné výsledky komunity: David Cortés dosáhl o 65 % rychlejších CI buildů u Shopify, do čehož se zapojil i Tobi Lütke a výsledkem byl projekt pi-autoresearch; tým Driveline použil princip k optimalizaci XGBoost modelů predikujících rychlost nadhozu ze senzorových dat; další adaptace se týkají detekce inkoustu na starověkých svitcích pomocí multi-agentních smyček. Princip je podle autorů přenositelný na jakoukoli doménu s měřitelnou skalární metrikou úspěchu. Jde o kurátorský seznam, nikoli samostatnou softwarovou službu, proto nemá vlastní API. Projekt je vydán pod licencí CC0-1.0 a je otevřený příspěvkům přes pull requesty na GitHubu. Určen je zejména vývojářům a týmům pracujícím s AI agenty, kteří chtějí implementovat podobné autonomní zlepšovací smyčky ve vlastních projektech.

Klíčové vlastnosti

• Index 82+ forků a adaptací keep-or-revert smyčky
• Jediný soubor program.md řídí kódovacího agenta
• Automatické potvrzení (keep) nebo Git reset (revert) změny
• Sledování metriky jako val_bpb pro vyhodnocení úspěchu
• Dokumentované reálné výsledky komunity (CI, ML, senzory)
• Otevřený seznam na GitHubu pod licencí CC0-1.0

Časté dotazy

Kategorie