临时 GPU 上的自主 RL 微调：使用 autoresearch-rl 扩展 Karpathy 的自动研究 自主 ML 研究的困难部分不是搜索算法。
Covenant Labs 和 Evangelos Pappas 2026 年 3 月 27 日 5 分享 当 Karpathy 发布 autoresearch [1] 时，他向 LLM 展示了您可以向 LLM 提供训练脚本，让它提出更改建议，运行实验，观察结果，然后重复。
相同的 GPU、相同的环境、几分钟内的迭代。
我想测试一个更难的主张：相同的循环是否可以用于 RL 微调，其中每次迭代都需要自己的 GPU，奖励稀疏，并且单个错误的超参数会浪费一个小时的 A100 时间。
答案是肯定的，但困难的部分并不是我想象的那样。
一条命令： uv run autoresearch-rlexperiment。
来源：HackerNews New
