"लूप इंजीनियरिंग" पर एक गाइड समझाती है कि AI एजेंट्स मैन्युअल इटरेशन को स्वचालित लूप से बदलकर स्वतंत्र मशीन लर्निंग शोध कैसे कर सकते हैं। लेख Andrej Karpathy के ओपन-सोर्स रिपॉजिटरी `autoresearch` और इस पैटर्न के लिए सत्यापित आर्टिफैक्ट्स के रूप में `Bilevel Autoresearch` पेपर का विवरण देता है।
- Karpathy ने 7 मार्च, 2026 को `autoresearch` जारी किया, एक MIT-लाइसेंस वाला टूल जो एजेंट्स को ट्रेनिंग कोड संपादित करने की अनुमति देता है जबकि इवल्यूएशन यूटिलिटीज़ को स्थिर रखता है, जिससे स्वयं को धोखा देने से रोका जाता है।
- GPT-2-क्वालिटी कोड पर टेस्ट में, लूप ने दो दिनों में लगभग 700 प्रयोग चलाए, 20 वास्तविक सुधारों की पहचान की जिसने ट्रेनिंग समय को 11% कम कर दिया।
- Shopify के CEO Tobi Lütke ने एक आंतरिक मॉडल पर उसी टूल का उपयोग करके 37 रात भर के प्रयोगों के बाद 19% सुधार की रिपोर्ट की।
- `Bilevel Autoresearch` पेपर एक बाहरी लूप पेश करता है जो आंतरिक लूप की सर्च मैकेनिज्म को संशोधित करता है, जिससे वैलिडेशन बिट्स परर बाइट में गिरावट अकेले सिंगल लूप से पाँच गुना बड़ी होती है।
ये लूप AI को मॉडल्स या कोड को स्वतंत्र रूप से परिष्कृत करने की अनुमति देते हैं, लगातार परिवर्तन प्रस्तावित करते हुए, कठोर मेट्रिक्स के खिलाफ परिणामों की सत्यापन करते हुए और केवल वैध सुधारों को बनाए रखते हुए।