Algumas pessoas estão a chamar ao autoresearch o maior produto de IA desde o Claude Code. Por isso, eu fiz um fork para o meu agente OpenClaw. Karpathy está a tentar automatizar a pesquisa em IA. Em vez de perder horas a configurar experiências frágeis, o sistema pode pegar numa ideia, construir os testes, executá-los e mostrar o que realmente funcionou. Estou a aplicar essa mesma lógica à otimização de agentes em vez de pesquisa de modelos de fronteira. Agora, o meu agente executa esse ciclo em 280 variações de filtros por dia com dados históricos reais. Ele gera 3 ideias por fluxo de trabalho, testa-as umas contra as outras, envia os vencedores e reverte os perdedores. É assim que se constrói um agente que melhora enquanto dormes.