Jo mer jeg graver i Goodfire Research, jo mer innser jeg hvordan tolkningsgrenen stille og rolig utvikler seg til en av de mest interessante grensene innen AI (og spesielt AI for vitenskap) De publiserte denne forskningen i fjor med en kjerneidé om hvordan en DNA-grunnlagsmodell internt organiserer arter i sitt innbyggingsrom på en måte som speiler det virkelige evolusjonstreet for liv. eller i bunn og grunn hvordan modellen gjenoppdaget fylogeni utelukkende fra DNA-sekvenser. de studerte Evo 2 (DNA-modell utviklet av EvolutionaryScale) og oppdaget at: + hver arts genom blir kartlagt til en vektor som legges inn i modellen. + Disse innleiringene danner en buet geometrisk struktur (en mangfoldighet). + avstander langs denne mangfoldigheten tilsvarer faktisk evolusjonær avstand mellom arter. Så inne i modellen: Lignende arter → tette innleiringer fjerne arter → fjerne innleiringer Og strukturen som oppstår er i bunn og grunn livets tre. Dette kan bevise noe banebrytende: hvordan grunnlagsmodeller automatisk kan gjenoppdage vitenskapelige strukturer.

Folkens, jeg tror dette kan bli neste OpenClaw. Karpathy lot en AI-agent optimalisere sin egen nevrale netttreningskode i 2 dager. Den kjørte 700 eksperimenter autonomt. fant 20 forbedringer han hadde gått glipp av etter måneder med manuell tuning. 11 % ytelsesøkning. Agenten fant Bugs. justerte hyperparametere. oppdaget manglende regularisering. planla sine egne eksperimenter basert på tidligere resultater. Hva gjorde Karpathy? "Programmering av program.md" Dette er en mann som har gjort akkurat denne arbeidsflyten for hånd i 20 år. Bygde Tesla Autopilot. Og reaksjonen hans var «vill». Hvorfor er dette på OpenClaw-nivå? For OpenClaw var ikke én robot som lærte én oppgave. Det var et rammeverk for agenter til å utføre et helt sett med handlinger Det samme skjedde bare med forskning/eksperimentering i seg selv. Karpathy starter allerede runde 2 med samarbeid mellom flere agenter. Han sa det rett ut: «Alle Frontier Labs vil gjøre dette. Det er den siste bosskampen." Men zoom ut enda mer. Hans egentlige innsikt: «Enhver måleparameter du bryr deg om, som er rimelig effektiv å evaluere, kan autoforskes av en agentsverm.» Enhver måleparameter du bryr deg om, som er rimelig effektiv å vurdere, kan undersøkes automatisk av en meglersverm. ADS-utgifter, forsyningskjede, energinett, legemiddeloppdagelse, handelsstrategi, osv... Hvis det kan autoresearches, blir det autoresearchet. Nå trenger vi infrastrukturen for svermen.