AI一夜之间自我变聪明——Karpathy的autoresearch揭示的"自我进化"设计法

Karpathy开源的autoresearch让AI一整夜跑700次实验、自行找出改进点——一个文件、一个指标、一条固定循环，把任何项目都能自我进化的设计搬进公司实务的方法。

如果在你熟睡的一整夜里，AI跑了700次实验，等你早上醒来，它已经自己找出了20个改进点，会是怎样的情形？听起来像空想，但这是真实发生过的事。这是曾带领Tesla自动驾驶团队和OpenAI的AI研究者Karpathy在2026年3月公开的开源项目 autoresearch 的故事。

有意思的并不是结果本身。这个项目用极小而清晰的形式，展示了"让任何项目都能自我进化"的一条设计原理。而且这条原理并不局限于AI研究，它 可以原封不动地搬到普通的公司业务中。 今天想聊的就是这件事。

autoresearch究竟做了什么

Karpathy几个月来一直在用手一点点修改训练AI模型的代码。有一天他抛出了一个理所当然的问题："这活儿我为什么要用手做？把实验交给AI智能体不就行了？"这个问题就成了autoresearch。

它的结构简单得令人吃惊。实际上只有三个文件。

文件	作用
`prepare.py`	数据准备。固定 —— 不去动它
`train.py`	训练代码。智能体可以自由修改的唯一文件
`program.md`	给智能体的指示文档。不是代码，而是 markdown

它的运作方式是这样的。智能体把 train.py 改一次，让训练 正好跑5分钟，再用 一个验证分数（衡量模型对下一个词猜得有多准的值，越低越好）来打成绩。变好了就采纳这次改动，变差了就丢弃，然后再尝试下一个想法。每小时约12次，一整夜约100次，全程无人反复进行。

Karpathy亲口点出的核心就是这一句话。

"这不是像研究者那样亲手去动Python文件。而是给智能体提供上下文的 program.md markdown编程。"

也就是说，人做的事不再是改代码，而是变成 定义"朝着什么目标、可以改到什么程度"。 结果很清楚。经过总共700次实验，智能体自行发现了20个优化点，把这些改进应用到更大的模型上后，训练时间缩短了11%。人们开始把这种做法称为"Karpathy Loop"。

也有迹象表明这并非昙花一现的话题。2026年5月，Karpathy加入了Anthropic的预训练研究团队。可以说，autoresearch所展示的"自我进化循环"，正与最前沿AI研究机构的实际关注点相契合。

真正的创新不是工具，而是"自我进化的设计"

autoresearch的代码仅有约630行。它受到关注，并不是因为里面藏着什么了不起的技术。值得关注的是，它把 让任何系统都能自我改进的设计骨架，蒸馏到了如此之小的程度并展示出来。这套骨架可以归纳为四点。

把可改动的表面收窄为一个。 autoresearch只允许修改 train.py 这一个文件。如果什么都能改，既无法控制，也学不到东西。把"可以自由实验的地方"严格限制在唯一一处，这是第一步。
用一个数字来定义"更好"。 val_bpb 这一个指标就是所有判断的基准。变好还是变差不靠人凭感觉判断，而是由数字代为决定，所以循环才能无人自转。
定好时间来跑循环。 一次实验5分钟，采纳或丢弃的判断即时完成。有了短而可重复的周期，一晚上才能尝试100次。快跑一百次，胜过完美地跑一次。
人只管方向，执行交给机器。 人所贡献的只有目标选择、指标定义、实验空间的设计——就这三件事。其余的大部分执行工作，如今已经可以自动化。

请留意，这四点里一个"AI模型"这样的词都用不上。正因如此，这套设计才能原封不动地搬到公司业务中。

搬到我们公司的业务里

"一夜之间自我改进的系统"并非大企业研究所的专利。只要是可重复、且成败能用数字衡量的工作，就能套上这四个步骤。

客户接待话术：可改的表面 = 首次回复消息的措辞。指标 = 回复率或预约转化率。循环 = AI生成话术变体 → 小规模测试 → 采纳成绩好的一方 → 反复。
广告与详情页文案：可改的表面 = 一行标题。指标 = 点击率。人只划定"某种语气绝对不行"这样的边界，把变体的生成与比较交出去。
内部业务手册（SOP）：可改的表面 = 某个流程中的一个步骤。指标 = 处理时间或失误次数。每周只试验一处改动，变好了就写进手册。不过大多数人恰恰在这里就扣错了第一颗扣子——如果指标只盯"处理时间"，速度是快了，质量却会崩。衡量什么，会把结果整个改写。

看出共同点了吗。不是一次性把所有东西都改掉，而是定好一个要改的地方和一个要衡量的数字，用短周期去跑。 只要立下这条纪律，系统就会开始自我改进。

不过有一个必须点明的陷阱。指标定错了，就会去优化错的东西。 如果只把"通话时长缩短"当作指标，就会出现客服急着把客户挂断的情况。数字一旦变成目标，就只有数字变好，真正重要的东西反而崩坏——这种现象通常被称为古德哈特定律。所以在这套方法论里，人真正的工作，是选对指标、并划出不可越过的边界。 跑循环的是机器，但决定往哪个方向跑，始终是人的职责。

IROUMISM在与客户企业开始合作时，最先做的也正是这项工作。哪些业务该放上循环、把什么当作"更好"的指标、允许自动改到哪里、又该在哪里让人叫停——从共同划定这些边界开始，自我进化的系统才真正启动。

结语

autoresearch传递的信息很明确。自我进化的系统，不是来自宏大的技术，而是来自 小而清晰的设计。 一个要改的表面、一个要衡量的数字、一条固定的循环，再加上一个把握方向的人。有这四样，项目就会开始自我改进。

难点在于选择"把什么放上循环"。我们公司的哪项业务最适合这条自我进化循环、该用什么指标来衡量才能避开错误的优化——这些我们会陪你一起理清。

我们公司的业务里，最先能放上"自我改进循环"的会是哪一项？用30分钟免费诊断，帮你找到第一个候选。