Autoresearch: ИИ-агент для автоматизации экспериментов от Андрея Карпати
Ключевые факты
- 1 Андрей Карпати выпустил autoresearch — ИИ-агент для автоматической оптимизации кода.
- 2 Агент проводит эксперименты, изменяя параметры кода, тренируя модель и оценивая результат.
- 3 Карпати отметил, что агент нашел ошибки, которые он сам пропускал.
- 4 CEO Shopify Тоби Лютке получил 19% прироста, используя autoresearch.
- 5 Проект набрал 8 000 звёзд на GitHub за три дня.
- 6 Принцип работы агента применим к любой задаче с измеримой метрикой успеха.
7 марта Андрей Карпати представил на GitHub проект autoresearch, состоящий из около 630 строк кода на Python. Основная идея заключается в том, что ИИ-агент может самостоятельно проводить эксперименты, пока пользователь спит, выполняя до ста итераций за ночь. Механизм работы агента прост: он читает файл с инструкциями, вносит изменения в код (например, меняет архитектуру, скорость обучения или размер модели), запускает тренировку на 5 минут, оценивает результат по заданной метрике. Если модель улучшилась, изменение сохраняется; если ухудшилась — откатывается, и процесс повторяется. Карпати отметил, что агент смог обнаружить ошибки, которые он сам пропускал в течение двадцати лет. CEO Shopify Тоби Лютке в тот же вечер применил агента к своей модели и добился 19% прироста. Проект быстро набрал популярность, получив 8 000 звёзд на GitHub за три дня. Хотя autoresearch изначально ориентирован на обучение языковых моделей, его базовый принцип — «дай агенту метрику, код и разрешение менять его» — универсален. Это позволяет применять его в различных областях, где есть измеримый результат, таких как оптимизация листингов на маркетплейсах, тюнинг цепочек писем, подбор цен, A/B-тестирование посадочных страниц, квалификация лидов, оптимизация клиентской поддержки, финансовая операционная деятельность и тестирование рекламных креативов.