يشرح دليل حول "هندسة الحلقات" كيف يمكن لوكلاء الذكاء الاصطناعي إجراء أبحاث تعلم الآلة بشكل مستقل عن طريق استبدال التكرار اليدوي بحلقات آلية. يوضح المقال مستودع `autoresearch` مفتوح المصدر الخاص بـ Andrej Karpathy وورقة `Bilevel Autoresearch` كأدوات مثبتة لهذا النمط.
- أصدر Karpathy أداة `autoresearch` في 7 مارس 2026، وهي أداة مرخصة بموجب رخصة MIT تتيح للوكلاء تعديل كود التدريب مع الحفاظ على أدوات التقييم ثابتة، مما يمنع الخداع الذاتي.
- في اختبارات على كود بجودة GPT-2، نفذت الحلقة حوالي 700 تجربة خلال يومين، وحددت 20 تحسيناً حقيقياً قللت وقت التدريب بنسبة 11%.
- أفاد الرئيس التنفيذي لشركة Shopify، Tobi Lütke، بتحسين بنسبة 19% بعد 37 تجربة ليلية باستخدام الأداة نفسها على نموذج داخلي.
- تقدم ورقة `Bilevel Autoresearch` حلقة خارجية تعدل آليات البحث في الحلقة الداخلية، محققةً انخفاضاً في بتات لكل بايت للتحقق أكبر بخمس مرات من الحلقة الواحدة وحدها.
تسمح هذه الحلقات للذكاء الاصطناعي بتحسين النماذج أو الكود بشكل مستقل من خلال اقتراح تغييرات باستمرار، والتحقق من النتائج مقابل مقاييس صارمة، والاحتفاظ فقط بالتحسينات الصالحة.