🧪 EXPERIMENTAL
Karpathy lässt KI-Agenten selbst forschen
Andrej Karpathy hat ein neues Repo gedroppt: `autoresearch`. KI-Agenten trainieren autonom nanochat-Modelle auf einer einzigen GPU — und entscheiden selbst, was als nächstes ...
Andrej Karpathy hat ein neues Repo gedroppt: `autoresearch`. KI-Agenten trainieren autonom nanochat-Modelle auf einer einzigen GPU — und entscheiden selbst, was als nächstes erforscht wird.
Was das Ding macht
Autoresearch lässt Agenten-Schwärme den kompletten Forschungs-Loop übernehmen: Hypothese aufstellen, Experiment laufen lassen, Ergebnis bewerten, nächsten Versuch planen. Das Ganze läuft auf nanochat — Karpathys minimalem GPT-Trainings-Stack. Kein Mensch klickt mehr auf "Run".
- Basis:** nanochat (Single-GPU-Training)
- Agenten:** autonome Forschungs-Schleifen
- Ziel:** ML-Experimente ohne menschlichen Babysitter
- Autor:** Andrej Karpathy, Ex-OpenAI, Ex-Tesla
“
One day, frontier AI research used to be done by meat computers. That era is long gone. Research is now entirely the domain of autonomous swarms of AI agents.— Andrej Karpathy, README
✅ Pro
- Karpathy weiß, was er tut — nanochat ist solide
- Echte Demo, kein Vaporware
- Perfekter Sandkasten zum Verstehen von Agenten-Loops
❌ Con
- Single-GPU heißt: Spielzeug-Scale, nicht Frontier
- "Meat computers"-Witze ersetzen keine Benchmarks
- Wer keine GPU hat, schaut zu
💡 Was das bedeutet
Autoresearch ist kein Produkt. Es ist ein Manifest in Code-Form: So sieht ML-Forschung aus, wenn Agenten den Job übernehmen. Wer verstehen will, wohin AutoML in zwei Jahren läuft, sollte das Repo klonen — nicht warten, bis Google es als Service verkauft.
🤖 NERDMAN-URTEIL
Karpathy trollt, lehrt und baut gleichzeitig — und das schlägt 90% aller "AI-Research-Plattformen" mit Series-B-Funding.
Quelle: karpathy/autoresearch (GitHub)
War dieser Artikel hilfreich?
Dein Feedback hilft uns, bessere Artikel zu liefern.