AI自我进化与超级个体——两个关于能力边界的实验

Andrej Karpathy开源了autoresearch：一个让AI代理自动迭代代码库的系统。流程极为简洁——代理修改训练代码 → 运行实验 → 评估结果 → 如果性能提升则保留修改，否则回滚 → 循环。

底层是Karpathy自研的极简框架nanochat，提供从Tokenizer训练到推理服务的完整管线，代码量极小（约百行），专为"可理解的最小实现"设计。autoresearch的核心价值在于：它展示了AI自我改进不需要复杂的框架，只需要清晰的评估信号和足够简单的代码库。

这与当前"大型基础模型主导一切"的主流叙事形成对比——有时候，最小可行的自我改进循环，比庞大的推理链更有工程价值。