Autoresearch: ИИ, который экспериментирует, пока вы спите
На небесах только и разговорах что об авторисерче от Андрея Карпаты. Собрал в одной статье краткий обзор о том, что это вообще такое и как оно работает
Представьте задачу, которая требует много проб и ошибок: найти лучшую тему письма для рассылки или самые быстрые настройки для программы. Обычно вы пробуете вариант, смотрите на результат, думаете что поменять, пробуете снова. Каждый шаг — вручную.
Теперь представьте, что вы передали весь этот процесс ИИ-ассистенту. Вы говорите ему, что оптимизировать и как измерять успех. И ложитесь спать. За ночь ИИ прогоняет ~100 экспериментов, сохраняя только те изменения, которые реально улучшили результат, и отбрасывая остальное. Утром вы просыпаетесь с улучшенной версией того, над чем работали, плюс полный лог всего, что ИИ попробовал.
Именно так работает autoresearch. Его создал Андрей Карпаты (Andrej Karpathy) — бывший руководитель ИИ в Tesla, сооснователь OpenAI, автор термина «vibe coding». Проект выпущен 7 марта 2026 года как бесплатный опенсорс под лицензией MIT. [GitHub]
За первую неделю проект набрал более 30 000 звёзд на GitHub — один из самых быстрорастущих репозиториев в истории платформы. [Ry Walker Research]
Почему это важно?
Большинство компаний знакомы, например, с A/B-тестированием: попробуй два варианта, посмотри какой работает лучше, оставь победителя. В области оптимизации алгоритмов, такие эксперименты ограничены пропускной способностью команды исследователей и инженеров
Autoresearch меняет математику. Вместо человека эксперименты прогоняет ИИ — один за другим, круглосуточно, со скоростью ~12 в час. Это примерно 100 за ночь. ИИ не устаёт, не забывает что уже пробовал и не отвлекается на совещания.
Инструмент бесплатный. Работает на одном компьютере с одной видеокартой. И его уже адаптируют для областей, не имеющих никакого отношения к ИИ-исследованиям.
Как это работает
Вся система построена вокруг простого цикла. Представьте дисциплинированного стажёра, который снова и снова выполняет один процесс:
1. Прочитать задание. Вы пишете короткий документ (program.md), где объясняете, что ИИ должен улучшить и каких правил придерживаться. Это единственное, что пишет человек — по сути, бриф.
2. Внести изменение. ИИ смотрит на текущий код и вносит одно изменение: может поменять параметр, заменить технику, перестроить что-то.
3. Протестировать. Изменение тестируется ровно 5 минут. Фиксированное время важно: каждый эксперимент получает одинаковые ресурсы, результаты можно честно сравнивать.
4. Измерить результат. Есть одно число, которое говорит ИИ, стало ли лучше. Только одно — никакой неоднозначности. В оригинале Карпаты это был показатель качества предсказания текста (val_bpb). Но это может быть что угодно: скорость загрузки сайта, процент ответов на письма, прибыльность торговой стратегии.
5. Сохранить или откатить. Если число улучшилось — изменение сохраняется. Если нет — код возвращается к предыдущему состоянию через Git (систему контроля версий, которая записывает каждое изменение как сохранение в игре).
6. Повторить. ИИ продолжает крутить цикл бесконечно — или пока вы не остановите.
Аналогия: эволюция на ускоренной перемотке — случайные мутации, проверка на пригодность, выживание сильнейших. Только вместо миллионов лет это занимает одну ночь.
Весь код — 630 строк. Это сделано намеренно: код помещается в контекстное окно современных LLM, и ИИ может видеть и понимать всю систему целиком.
Что уже удалось в ИИ-исследованиях
Карпаты запустил autoresearch на модели nanochat (depth-12) на два дня: ~700 экспериментов, из которых ~20 дали измеримое улучшение. Все 20 были аддитивными (складывались без конфликтов) и перенеслись на более крупные модели (depth-24). [philschmid.de]
Итог: время обучения до уровня GPT-2 снизилось с 2.02 до 1.80 часов — на 11%. ИИ нашёл ошибки в коде самого Карпаты: например, в реализации QKNorm отсутствовал скалярный множитель, из-за чего внимание было слишком размытым. [Aihola]
История Shopify
Tobi Lütke, CEO Shopify, не ИИ-исследователь. Перед сном он попросил ИИ-ассистента прочитать проект Карпаты и адаптировать его для опенсурс модели QMD используемой, в том числе, в Shopify (QMD, query-expansion). Через 8 часов и 37 экспериментов: модель на 0.8B параметров превзошла предыдущую модель на 1.6B по качеству на 19%. [philschmid.de]
Лютке написал, что узнал больше из логов 37 экспериментов ИИ, чем за месяцы чтения ИИ-исследователей в соцсетях. [Aihola]
Сообщество и форки
Код маленький и под MIT-лицензией — форки появились за дни:
- macOS / Apple Silicon: форк от Artem Miolini — заменили FlashAttention-3 на нативный SDPA + MPS-оптимизации [GitHub]
- Google Colab: туториал от MarkTechPost — без локального железа [MarkTechPost]
- autoresearch@home: распределённый рой от Christine Yip и Austin Baggio (платформа Ensue). Модель SETI@home: агенты на разных машинах забирают эксперименты, делятся результатами (и успехами, и неудачами), когда кто-то бьёт текущий лучший результат — это становится базой для всех. [GitHub]
Карпаты также выпустил AgentHub — экспериментальную платформу координации для ИИ-агентов (bare git DAG + доска сообщений вместо PR и веток). Он сам описывал проект как "Work in progress. Just a sketch. Thinking..." Впоследствии Карпаты удалил репозиторий с GitHub — без объяснений, как он делал и с другими проектами (например, karpathy/jobs). [Awesome Agents] Зеркала и форки сохранились в сообществе. [SourceForge mirror] [Ry Walker Research]
За пределами ИИ: где начинается самое интересное
Цикл autoresearch не привязан к ML-моделям. Ему нужны три вещи:
- Что-то, что можно менять — код, документ, стратегия, дизайн
- Число, которое показывает, стало ли лучше — любая измеримая метрика
- Пространство вариантов слишком большое для ручного перебора
Замените скрипт обучения на торговую стратегию, а оценку модели на коэффициент Шарпа — и тот же цикл работает.
Применение 1: Ускорение работы программ на видеокартах
Проект: AutoKernel (RightNow-AI) [GitHub]
Видеокарты (GPU) — двигатели почти всех ИИ-систем. Написание программ, эффективно работающих на этих чипах — узкоспециальная работа. AutoKernel берёт любую ИИ-модель, находит медленные места и применяет цикл autoresearch для их ускорения. ИИ редактирует низкоуровневый код (Triton или CUDA C++), замеряет скорость, сохраняет улучшения. Обычно 50–300 экспериментов на задачу. [GitHub README]. Проект обсуждается на NVIDIA Developer Forums. [NVIDIA Forums]
Что меняется: Низкоуровневый GPU-код
Как измеряется успех: количество вычислений в секунду
Применение 2: Ускорение сайтов
Проект: pi-autoresearch (1 100+ звёзд) [GitHub]
Скорость сайта критична для UX, позиций в поисковиках и продаж. Google предоставляет Lighthouse — оценку производительности от 0 до 100. Pi-autoresearch автоматизирует оптимизацию: вы указываете на проект и метрику, ИИ работает ночь — ленивая загрузка изображений, удаление ненужного JS, разделение больших файлов. Каждое изменение проверяется. Есть защитный механизм: после каждой успешной оптимизации система прогоняет тесты и линтер. Если тесты падают — изменение откатывается, даже если метрика улучшилась. [GitHub README]
Работает для любой метрики: Lighthouse score, размер бандла (KB), скорость тестов (ms), время сборки (s).
Что меняется: HTML, CSS, JS, конфиги проекта
Как измеряется успех: Lighthouse score, размер бандла, время загрузки
Применение 3: Трейдинг и финансовые стратегии
Трейдинг — по сути задача оптимизации: есть стратегия, её тестируют на исторических данных, оставляют то, что работает. Autoresearch-цикл ложится сюда естественно.
ИИ меняет параметры торговой стратегии (правила входа/выхода, риск-менеджмент, размер позиций), прогоняет на исторических данных с учётом комиссий и проскальзывания, и оценивает по коэффициенту Шарпа (стандартная мера доходности с поправкой на риск).
Важно: цикл сначала работает только на исторических данных (бэктестинг). ИИ не трогает реальные деньги во время экспериментов. Переход на бумажную торговлю, а затем на реальную — только после проверки человеком.
HyperspaceAI включает отдельный финансовый трек с публичным лидербордом по Sharpe ratio. [GitHub HyperspaceAI]
Что меняется: Торговая стратегия: правила, сигналы, риск-параметры
Как измеряется успех: Sharpe ratio, P&L, максимальная просадка
Применение 4: ИИ-агенты в разных областях одновременно — и перенос знаний между ними
Проект: HyperspaceAI (v3.0.10, март 2026) [GitHub]
HyperspaceAI сделали цикл Карпаты полностью универсальным. Теперь любой может описать задачу оптимизации на обычном языке — и сеть автоматически соберёт распределённый рой агентов для её решения. Код писать не нужно. Сеть одновременно ведёт исследования в пяти областях: обучение ML-моделей, качество поиска, финансовые стратегии, создание софтверных навыков и оптимизация инфраструктуры.
Принципиально новая вещь здесь — Research DAG: общий граф знаний, где наблюдения, эксперименты и синтезы связаны между доменами. Это не просто пять параллельных autoresearch-циклов — это система, где открытие в одном домене автоматически становится гипотезой для всех остальных. Примеры из анонса v3.0.10:
- Когда финансовые агенты обнаруживают, что отсечение слабых факторов улучшает Sharpe ratio → эта идея передаётся поисковым агентам как гипотеза: «может быть, отсечение малоинформативных ранжирующих признаков улучшит качество поиска»
- Когда ML-агенты находят, что RMSNorm работает лучше LayerNorm → этот паттерн подхватывают агенты, занимающиеся обработкой текста
Аналогия для бизнеса: как если бы каждое открытие одного отдела компании мгновенно проверялось на применимость во всех остальных отделах — без совещаний и рассылок.
Результаты: что сделали 237 агентов без человеческого участия
По данным анонса HyperspaceAI v3.0.10, 237 агентов провели 14 832 эксперимента в пяти областях одновременно:
- Обучение ИИ-моделей: 116 агентов снизили ошибку модели на 75% за 728 экспериментов. Когда один агент обнаружил технику Kaiming initialization, 23 других подхватили её в течение нескольких часов через gossip-протокол.
- Поиск: 170 агентов эволюционировали 21 стратегию ранжирования (настройка BM25, штрафы за однообразие, расширение запросов) и подняли качество поиска (NDCG) с нуля до 0.40.
- Финансы: 197 агентов независимо пришли к одной стратегии: отсечение слабых факторов + risk-parity распределение позиций. Результат: Sharpe 1.32, тройной доход, максимальная просадка 5.5% на 3 085 бэктестах.
- Создание софта: агенты с локальными LLM написали работающий JavaScript с нуля — 100% корректность на задачах детекции аномалий, сравнения текстов, диффа JSON и извлечения сущностей на 3 795 экспериментах.
- Инфраструктура: 218 агентов провели 6 584 раунда самооптимизации самой сети.
Человеческий эквивалент (по оценке HyperspaceAI): джуниор-ML-инженер, перебирающий гиперпараметры; поисковый инженер, тюнящий Elasticsearch; кандидат CFA, бэктестящий учебниковые факторы; разработчик, решающий LeetCode; DevOps-команда, тестирующая конфиги. Только всё это работает одновременно, круглосуточно, и знания перетекают между областями.
Применение 5: ИИ-ассистенты, которые сами себя улучшают
Harrison Chase (создатель LangChain) построил вариант, где autoresearch-цикл оптимизирует конфигурацию ИИ-ассистента: инструкции, список инструментов, логику принятия решений. Метрика — оценка качества из LangSmith. [Latent Space]
Практический результат: разверните версию 1 ассистента в конце рабочего дня. За ночь autoresearch-цикл прогоняет эксперименты на тестовой выборке запросов. Утром версия 2 готова — с измеримыми улучшениями и полным логом изменений.
Применение 6: Инфраструктура и системная инженерия
Несколько примеров оптимизации «под капотом» — той работы, которую все знают, что надо делать, но руки не доходят:
- Протоколы: оптимизация кодировки данных для соцсети Nostr — 28% ускорение передачи данных менее чем за час. [исходный документ]
- Веб-шаблоны: команды Shopify ускоряют рендеринг Liquid-шаблонов.
- Сборка софта: сокращение времени сборки проектов, уменьшение размеров Docker-образов, ускорение тестов. [pi-autoresearch README]
Применение 7: Научные исследования
Исследователи применяют паттерн для научных вопросов: тестирование теорий о работе мозга (эволюция нейросетевых архитектур, оптимизация по ваттам/точность), автоматический подбор лучших способов подготовки данных для анализа, и эволюция стратегий постинга в соцсетях с корреляцией на реальный охват (за одну ночь достигнута корреляция 0.50 по Спирмену — в статистике это считается умеренно-сильной связью)
Ограничения
- Вы ровно настолько хороши, насколько хороша ваша метрика. Если измерять не то, ИИ будет неумолимо оптимизировать не то. Торговая стратегия, которая максимизирует доходность на одном периоде бэктеста, может быть переоптимизирована и провалиться на живых данных.
- ИИ может терять фокус. Разные модели по-разному держат длинные сессии. Некоторые сдаются через пару часов; Claude Opus 4.6 держал 12+ часов и 118 экспериментов. [Latent Space]
- Это не замена мышлению. ИИ находит локальные улучшения — делает лучше то, что есть. Он не скажет, решаете ли вы правильную проблему.
- Осторожно с живыми системами. Автономные эксперименты на живом торговом счёте или рабочем сайте несут реальный риск. Лучшая практика — сначала симуляция, потом продакшн.
- Результаты не переносимы между машинами. 5-минутный бюджет привязан к конкретному железу. Оптимальная конфигурация на H100 может не быть оптимальной на RTX 4060. [GitHub README]
Заключение
Autoresearch начался как 630 строк кода и эксперимент на выходных. За неделю превратился в экосистему. ИИ-агенты уже оптимизируют GPU-ядра, ускоряют сайты, бэктестят торговые стратегии и переносят знания между областями — и всё это пока их операторы спят.
Паттерн универсален: определить, что улучшить; определить, как измерить улучшение; пустить ИИ в бесконечный цикл экспериментов.
Вам не нужно быть экспертом в ИИ, чтобы извлечь пользу. Нужно уметь задать правильный вопрос: «Что конкретно я хочу улучшить? И как я пойму, что стало лучше?» Если вы можете ответить на эти два вопроса чётко — скорее всего, уже есть форк autoresearch, который сделает остальное, пока вы спите.
Перевод подготовил Иван Кузнецов, ex-fullstack dev, ex-fintech-executive, теперь продуктовый менеджер, vibe-кодинг и RoR энтузиаст. Веду закрытое сообщество для опытных пользователей ИИ Нейробилд, материал подготвлен с помощью Claude и Grok.