工作流
karpathy/autoresearch · AI agents running research on single-GPU nanochat training automatically
autoresearch 提供一个可自主运行的 LLM 训练研究循环：给 AI Agent 一个精简版单 GPU nanochat 训练环境，Agent 自动修改 train.py、训练 5 分钟后以 val_bpb 评估结果并决定保留或丢弃，不断重复，从而在夜间无人干预地积累实验日志并可能得到更好的模型。仓库刻意保持精简，只有 prepare.py（数据准备与运行时工具，不改动）、train.py（Agent 修改的模型、优化器与训练循环）和 program.md（供人类为 Agent 编写研究指令）三个核心文件。
展开详情收起详情：autoresearch：让 AI Agent 自主迭代单 GPU 上的 nanochat 训练实验⌄
程序员程序员可将该仓库作为自主 LLM 训练实验工作流：让 AI Agent 在单 GPU 的 nanochat 训练环境中自动修改 train.py、训练 5 分钟后以 val_bpb 评估并决定保留或丢弃，从而在夜间无人干预地积累实验日志并可能得到更好的模型。
★ 98027 · 开发框架
原文发布：未知收录：2026-10-17
工作流
AdolphoIgor/actf-core · Enterprise Distributed Continuous Training (CT) and Model Governance Platform
ACTF Core 是一个面向受监管行业（RegTech、FinTech、医疗等）的企业级参考架构，用于基础模型的自动化持续预训练、领域适配与监督微调（SFT）。平台将关系型数据湖仓、分布式计算集群、内存自动微分引擎与自动化统计评估防火墙串联为一个不可变、确定性的训练闭环，并提供五级质量防火墙，在存储契约、数据泄漏边界、张量图稳定性与统计非劣性等环节进行把关，最后通过 MLflow 模型注册表别名（@champion）完成候选模型晋升。
展开详情收起详情：ACTF Core：企业级分布式持续训练与模型治理平台⌄
程序员作为企业级分布式持续训练与模型治理的参考架构，供程序员在受监管行业（RegTech、FinTech、医疗等）中搭建基础模型的自动化持续预训练、领域适配与监督微调（SFT）流水线，并实现五级质量防火墙与 MLflow 模型注册表别名晋升。
★ 0 · 开发框架
原文发布：未知收录：2026-09-25