Autonomous Research Framework

自主AI研究框架

灵感来源： Karpathy AutoRS
核心思想： 给AI一个真实的研究环境，让它自主实验、评估、迭代

一、核心设计

研究循环

实验设计 → 代码修改 → 训练运行 → 评估指标 → 结果分析
     ↑                                              ↓
     ←←← 保留/丢弃 → 更新上下文 → 继续下一轮 ←←←

三文件架构

固定预算

• 时间预算： 每次实验固定时长（避免无限训练）
• 评估指标： 统一指标对比（val_loss, val_bpb 等）
• 可比较性： 相同预算下的结果可直接对比

二、使用方式

启动自主研究

请按照 program.md 的指令开始新一轮实验。
先查看当前 train.py 的状态，然后进行修改并运行。

研究循环

1. 读取 program.md — 了解当前研究目标
2. 分析 train.py — 理解当前实现
3. 设计实验 — 提出假设、修改方案
4. 运行训练 — 固定时间预算
5. 评估结果 — 与基线对比
6. 决定去留 — 保留提升、丢弃退步
7. 记录学到的 — 更新记忆/日志

每次实验记录

## 实验 #[N] - [日期时间]

### 假设
[这次要改什么，为什么]

### 修改
[train.py 的改动点]

### 结果
- 评估指标: [数值]
- vs 基线: [+/-%]

### 决定
[保留/丢弃] - [原因]

三、program.md 模板

# Research Program

## 基线状态
- 模型: [描述]
- 优化器: [描述]  
- 评估指标: val_bpb = [数值]

## 研究目标
[当前要解决的问题/优化方向]

## 可修改范围
- 模型架构（层数、hidden维度、attention头数）
- 优化器（学习率、beta、权重衰减）
- 训练参数（batch_size、seq_len）
- 正则化（dropout、weight_decay）

## 约束
- 训练时间: 5分钟固定
- 单GPU
- 只修改 train.py

## 当前重点
[Agent根据历史结果自行判断下一个实验方向]

四、评估指标指南

五、实验策略

探索策略

1. 随机扰动 — 小随机变化，找到局部最优
2. 梯度方向 — 根据失败经验调整
3. 消融实验 — 去掉某部分看影响
4. 历史回顾 — 查看过去100次实验的模式

避免重复

• 记录已尝试的（学习率、架构组合等）
• 不重复已证明无效的实验
• 相似实验至少改一个关键变量

六、日志格式

实验日志 (experiments.md)

# 实验日志

## 实验记录

| # | 时间 | 修改 | 指标 | vs基线 | 决定 |
|---|------|------|------|--------|------|
| 1 | 2026-04-17 | 初始基线 | 1.234 | - | 基线 |
| 2 | 2026-04-17 | 学习率 1e-3→5e-4 | 1.189 | -3.6% | ✅保留 |
| 3 | 2026-04-17 | 层数 8→12 | 1.201 | -2.7% | ❌丢弃 |

## 关键发现
- 学习率降低有效
- 层数增加不一定好

七、快速开始

1. 查看 program.md — 了解研究目标
2. 查看 train.py — 理解当前实现
3. 设计第一个实验 — 改什么、为什么
4. 运行训练 — python train.py
5. 记录结果 — 更新实验日志
6. 决定下一步 — 继续或回退

八、Agent 指令

当用户要求开始自主研究时：

1. 先读取 program.md 了解目标
2. 分析 train.py 当前状态
3. 提出修改假设
4. 执行并记录
5. 持续迭代

基于 Karpathy AutoRS 理念构建 | OpenClaw Skill