AI 资源库 · 已整理 2 项

自主研究

查看与自主研究相关的 AI 资讯、工具、Skill、工作流和开源项目。

Agent 与自动化

ResearchAgentLab：把研究简报转化为可审计的多阶段科研流程与受控实验

hncpyj/research-agent-lab · Multi-agent research pipeline: arXiv retrieval to gap analysis to runnable experiments to AI-judge peer review

ResearchAgentLab 是一个本地优先的研究控制工作区与参考实现，按八个可追踪阶段组织科研流程：论文收集、文献综述、研究空白分析、研究问题与假设审批、冻结实验设计、受控执行、结果验收和报告审查。项目重点解决“静默科学目标漂移”问题，通过审批边界、版本化产物、哈希绑定、科学一致性与软件预检分离等机制，保持从已批准意图到实现产物、结果和报告主张之间的可审计对应关系，并提供来源追踪、多模型路由、用量与成本记录以及 Markdown、LaTeX、PDF 报告输出。

# 评测与安全# 自主研究# 可复现研究# 审计追踪# 多 Agent 管理
☆ 收藏查看来源 ↗
评论 · 分享第一个看法
训练与微调

autoresearch：让 AI Agent 自主迭代单 GPU 上的 nanochat 训练实验

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。

# Agent 与自动化# pytorch# 并行实验# model-training# 自主研究
☆ 收藏查看来源 ↗
评论 · 分享第一个看法