Autoresearch Карпати в 2026: когда ИИ исследует сам себя

Исследователь, который не спит. И не ест. И не просит зарплату

В марте 2026 года рутинный перебор гиперпараметров выглядит так же архаично, как ручная настройка карбюратора. Андрей Карпати это понял раньше всех - его autoresearch v2.3 (обновление вышло 5 марта) превращает месяцы экспериментов в автономный процесс, который работает, пока ты занимаешься чем-то осмысленным.

Суть проста до гениальности: ты пишешь, что хочешь исследовать, на человеческом языке. Система делает всё остальное - от генерации кода до анализа результатов. Звучит как хайп? Попробуем разобраться, что реально работает, а что осталось маркетингом.

Что умеет авторасёрч в 2026 году

Сравниваю с тем, что было год назад: прогресс заметный, но не революционный. Основные изменения в v2.3:

Главная фишка - program.md. Этот файл вызывает одновременно восторг и раздражение. Восторг - потому что ты действительно пишешь исследование как рассказ. Раздражение - потому что иногда система понимает его слишком буквально.

Как это работает: магия или тщательная инженерия?

Под капотом крутятся три типа агентов, которые постоянно спорят друг с другом:

• Планировщик - разбирает твои хотелки из program.md на конкретные задачи. Использует Claude 3.7 Haiku (он дешевле и достаточно умён для этой работы)
• Исполнитель - генерирует код. Здесь ставка на CodeLlama-90B-Instruct или свежий DeepSeek-Coder-33B, если хочется сэкономить
• Критик - самый важный и самый дорогой агент. GPT-4o-mini анализирует результаты, ищет аномалии, предлагает новые направления

Цикл выглядит так: план → выполнение → критика → уточнение плана. Всё логируется, каждый шаг можно откатить. Система запоминает, что уже пробовала, и не повторяет ошибки.

Поставим и попробуем: инструкция для скептиков

1 Установка и настройка

Требования скромные: Python 3.11+, 32 ГБ RAM, GPU с 16+ ГБ памяти. Установка через pip (да, в 2026 году это всё ещё работает):

pip install autoresearch==2.3.0
# или если хочется bleeding edge
pip install git+https://github.com/karpathy/autoresearch@v2.3.0

Прописываешь API-ключи в .env файле. OpenAI, Anthropic, Google - кому что нравится. Можно миксовать: планировщик на Claude, исполнитель на CodeLlama, критик на GPT-4o.

2 Пишем первый program.md

Вот как выглядит минимальный рабочий пример:

# Исследование: влияние learning rate на сходимость BERT

Цель: найти оптимальный learning rate для fine-tuning BERT-base на датасете SST-2.

Конфигурация:
- Модель: bert-base-uncased
- Датасет: GLUE SST-2
- Бюджет: 20 экспериментов
- Метрика: accuracy на валидации

Гиперпараметры для перебора:
- learning_rate: от 1e-5 до 5e-4, логарифмическая шкала
- batch_size: [16, 32, 64]
- num_epochs: фиксировано 3

Стоп-условия:
- accuracy > 0.92
- или закончились эксперименты
- или нет улучшений 5 запусков подряд

Система прочитает это, разложит на задачи, начнёт генерировать код тренировки. Первые несколько итераций будут примитивными - агенты изучают пространство параметров. Потом станет умнее.

3 Запуск и мониторинг

autoresearch run program.md --output experiments/bert_lr_study

В папке experiments/ появятся подпапки для каждого запуска, логи, чекпоинты моделей. Можно подключить Weights & Biases для красивого дашборда. Или просто смотреть в терминал - там будет поток мыслей агентов.

С чем конкурирует авторасёрч в 2026?

Рынок автоматизации ML за два года разросся. Вот основные игроки:

Autoresearch выигрывает в сценариях, где нужно быстро протестировать странную идею. Когда неясно даже, какие гиперпараметры перебирать - просто описываешь проблему, и система предлагает варианты.

Кому это нужно (а кому лучше обойти стороной)

Бери autoresearch, если:

• Ты исследователь в академии или R&D-отделе - экономия времени на 60-70%
• Работаешь с экспериментальными архитектурами, для которых нет готовых решений
• Хочешь автоматизировать рутинные A/B тесты моделей
• Готов мириться с occasional nonsense от ИИ-агентов

Не трать время, если:

• У тебя стабильный пайплайн, который меняется раз в год - Optuna хватит
• Бюджет ограничен - API-вызовы к GPT-4o на 1000 экспериментов стоят как неплохой GPU
• Нужны гарантии и SLA - это всё ещё research-grade инструмент
• Не хочешь разбираться с ошибками совместимости библиотек

Личный опыт: после месяца использования autoresearch для настройки трансформеров под специфичные датасеты, я стал спать на 2 часа больше. Но иногда просыпался от желания задушить очередного агента, который решил, что learning_rate=10 - отличная идея.

Что будет дальше (спойлер: меньше магии, больше инженерии)

Карпати в последнем интервью говорил, что v3.0 будет сосредоточена на предсказании сбоев. Сейчас 30% времени система тратит на эксперименты, которые заведомо провалятся. В следующих версиях агенты научатся это предсказывать по первым итерациям.

Ещё одна тенденция 2026 года - уход от чистого prompt engineering к гибридным системам. Autoresearch уже позволяет подмешивать жёсткие правила в program.md. «Если accuracy падает два раза подряд - увеличивай batch_size» - такая инструкция работает надёжнее, чем надежда на здравый смысл ИИ.

Главный урок последних двух лет: автономные системы не заменяют экспертизу. Они её усиливают. Autoresearch - это не волшебная палочка, а очень умный ассистент, который всё ещё нуждается в надзоре.

Но когда видишь, как в 3 часа ночи система самостоятельно находит баг в твоём дата-лоадере и перезапускает эксперимент - понимаешь, что будущее уже здесь. Оно просто немного глючное.

Подписаться на канал