前OpenAI核心研究员Andrej Karpathy近期开源autoresearch项目，结合业界最新发布的《双层自动研究》相关论文，系统性定义了AI领域新兴的循环工程（Loop Engineering）技术路径。该技术通过设置验证器、状态追踪、终止条件三大核心模块，可让AI智能体自主完成端到端机器学习研究流程，大幅降低前沿研究的人力门槛。
7月中旬以来，Karpathy在个人社交平台披露的autoresearch开源仓库，已经累计获得超过12000个GitHub星标，相关的双层自动研究论文也成为了AI顶会的热门讨论主题，这套被命名为“循环工程”的技术体系，正在打破机器学习研究的人力边界。
当前大模型与垂直场景AI应用的迭代速度不断加快，机器学习研究的试错成本和人力投入也水涨船高。据AI行业调研机构2026年上半年发布的报告显示，前沿机器学习研究者约65%的工作时间消耗在重复实验、参数调试、结果验证等机械性流程中，大量高价值的创意精力被挤占，行业对于自动化研究工具的需求持续攀升。
登录后解锁全文，体验收藏、点赞、评论等完整功能
立即登录
滇公网安备 53252802528133号