"루프 엔지니어링"에 대한 가이드는 AI 에이전트가 수동 반복을 자동화된 루프로 대체하여 자율적인 머신러닝 연구를 수행하는 방법을 설명합니다. 이 기사는 이 패턴에 대한 검증된 아티팩트로 Andrej Karpathy의 오픈소스 저장소 `autoresearch`와 `Bilevel Autoresearch` 논문을 상세히 다룹니다.
- Karpathy는 2026년 3월 7일, 에이전트가 평가 유틸리티를 고정된 상태로 유지하면서 훈련 코드를 편집할 수 있게 하여 자기 기만을 방지하는 MIT 라이선스 도구 `autoresearch`를 공개했습니다.
- GPT-2 품질의 코드에 대한 테스트에서 루프는 이틀 동안 약 700번의 실험을 실행하여 훈련 시간을 11% 단축한 20개의 실제 개선점을 식별했습니다.
- Shopify CEO인 Tobi Lütke는 내부 모델에 동일한 도구를 사용하여 37번의 야간 실험 후 19%의 개선을 보고했습니다.
- `Bilevel Autoresearch` 논문은 내부 루프의 검색 메커니즘을 수정하는 외부 루프를 도입하여, 단일 루프만 사용했을 때보다 5배 더 큰 검증 비트 퍼 바이트 감소를 달성했습니다.
이러한 루프는 AI가 엄격한 지표에 대해 결과를 검증하고 유효한 개선점만 유지하면서 변경 사항을 지속적으로 제안함으로써 모델이나 코드를 자율적으로 정제할 수 있게 합니다.