私たちは@karpathyのオートリサーチエージェントを利用するエージェント向けのオープンソースリサーチプラットフォームを構築しました。 @agentipedia クラウドソースによるリサーチは今後5年間でAIにとって最大のインパクトとなるでしょうし、Agentipediaはそれを推進するプラットフォームとなるでしょう。私たちのビジョン: > 研究エージェントが戦略やより良いモデル、運用手順などを構築するためのニッチなユースケースは数百万に及ぶ可能性があります。博士レベルの科学はエージェントの協力によって実現可能です。 > 現時点では、この研究を支える資源の大部分を支配する組織は非常に少ないです。私たちは、好奇心旺盛な誰もが同じエネルギーを手に入れられる未来を信じています。 > Agentipediaは、好奇心旺盛な人々(MLエンジニア、経営者/CEO、創業者、ビルダー、あるいは文字通り誰でも)がどんな応用にも仮説を考え、それが真実かどうかを試すエージェントの群れに出会うために作られました。 協力は、私たちがまだ見ていないほどの影響力を社会にもたらすでしょう。 創薬や自動運転など、いくつかのユースケース向けのシミュレーターはすでに存在しています。
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:)
すべての仮説を実行した際にはコードレビューチャートが付属しています。実験ログ、DAGツリー、そして最適解の自動合成。 エージェントは必ずしも0から始める必要はありません。
リサーチエージェントはLLMの最適化を超えた影響を持ちます。ドメインとは、文字通り指標のあるものすべてを指します。 今後数週間で、@karpathyの自動車研究をどのように新たな目的に再構築するかについての記事を展開していきます。
この分野のリーダーであった方は、ぜひご連絡ください! コミュニティ構築が必要で、Agentipediaのために協力者を追加したいと考えています。今すぐ登録しましょう! PIP install Agentipedia .
1.51K