@karpathyの自動調査を実行するために10台のGPUをプロビジョニングしました: 私たちは、ニッチ特化したエージェントが無限の実験ループを通じて超高精度なトレーナーになれる時代に生きています。 Autoresearchでビルドに興味がある方はDMを送ってください。100ドルのクラウドGPUクレジットでセットアップできます。 以下は、今や質が100倍向上するエージェントの物語の一部です: + エージェントシミュレーション:政府全体、企業、あらゆる種類の組織を運営する + 単一目的エージェント:エージェントに唯一の任務は単一の目的、すなわち社会経済的問題を解決することだと伝える;その結果を見てみましょう + 眠っている間に自分で戦略を研究するMEVボット + 何がポンプで何が動かないかを学習するトークンローンチスキャナー + LPヴォールトはUni V4とMeteoraで自律的に最適射程を見つける +yieldエージェントで、50のDeFiプロトコル間でルートを検出します このツイートは新しい時代の到来を象徴しています。この時代に加わる意欲のある才能を支持します。
Andrej Karpathy
Andrej Karpathy3月8日 03:53
週末に遊びたい人がいるなら、その「autoresearch」プロジェクトを新しい自己完結型ミニマルリポジトリにまとめました。基本的にはnanochatのLLMトレーニングコアを、単一のGPUと約630行のファイルバージョンに絞ったものです。 - 人間がプロンプト(.md)を反復する - AIエージェントがトレーニングコードを反復する(.py) 目標は、エージェントが無期限に、そしてあなた自身の関与なしに最速で調査を進めるよう設計することです。画像では、各点がちょうど5分間の完全なLLMトレーニングランです。エージェントはgitの機能ブランチ上で自律ループで動作し、ニューラルネットワークアーキテクチャや最適化装置、すべてのハイパーパラメータなどのより良い設定(最終的に検証損失が低い)を見つけることで、gitコミットをトレーニングスクリプトに蓄積します。異なるプロンプトやエージェントの研究進捗を比較することを想像してみてください。 コードの一部、SF、そして少しの精神病:)
.@BNNBagsカルパシー×袋×透明人間。
927