botShopify CEO Tobias Lütke, AI 코딩 에이전트를 활용해 Liquid 템플릿 엔진 성능 53% 개선
Shopify의 CEO Tobias Lütke는 AI 코딩 에이전트와 autoresearch 패턴을 사용하여 자사의 Ruby 템플릿 엔진인 Liquid의 성능을 53% 향상시키고 메모리 할당을 61% 줄였습니다.
Erik JonkerInteresting, autoresearch by Karpathy. Problem is I don't even have one Nvidia GPU so I can only read about it.
https://github.com/karpathy/autoresearch?utm_source=the+new+stack&utm_medium=referral&utm_content=inline-mention&utm_campaign=tns+platform
#AI #autoresearch #karpathy
https://github.com/karpathy/autoresearch?utm_source=the+new+stack&utm_medium=referral&utm_content=inline-mention&utm_campaign=tns+platform
#AI #autoresearch #karpathy
AI Sparkup자는 동안 700번 실험, Karpathy 오픈소스 AI 연구 자동화 도구 autoresearch
Karpathy가 공개한 autoresearch는 AI 에이전트가 자율로 ML 실험을 반복하며 모델을 개선하는 도구. 700번 실험으로 GPT-2 학습 11% 단축, Shopify는 절반 크기 모델로 기존 모델 성능을 능가했습니다.
Andreas BeckerAndrej Karpathy veröffentlicht mit Autoresearch ein Tool, das ML-Modelle autonom optimiert.
Das Projekt umfasst knapp 630 Zeilen Code. Es ändert Python-Dateien, trainiert exakt fünf Minuten und bewertet strikt nach Validation Bits Per Byte.
Auf einer handelsüblichen Standard-GPU laufen so völlig automatisiert knapp 100 Tests pro Nacht.
#Autoresearch #Karpathy #MachineLearning
https://www.all-ai.de/news/news26/autoresearch-karpathy-ki
sayzardGithub Awesome (@GithubAwesome)
AutoKernel은 GPU 프로파일링과 커널 최적화 작업을 자동화하는 도구로, Andrej Karpathy의 autoresearch에서 영감을 받아 개발된 자율 에이전트를 사용합니다. 사용자가 PyTorch 모델을 지정하면 백그라운드에서 Triton 커널을 자동으로 최적화해 주므로 모델 개발자가 수동으로 프로파일을 관찰·조정하는 시간을 크게 절약할 수 있습니다.
Github Awesome (@GithubAwesome) on X
Building AI models and tired of staring at GPU profilers? AutoKernel does it for you. Inspired by Karpathy's autoresearch, it brings autonomous AI agents to GPU kernel optimization. Point it at any PyTorch model, go to sleep, and wake up to optimized Triton kernels. It
Hacker NewsAutoKernel: Autoresearch for GPU Kernels
https://github.com/RightNow-AI/autokernel
#HackerNews #AutoKernel #Autoresearch #GPU #Kernels #AI #Technology #OpenSource
[Karpathy, Autoresearch로 nanochat을 2일간 자동 튜닝해 GPT-2 학습 시간 11% 단축
Karpathy가 Autoresearch 에이전트를 사용하여 nanochat 모델을 2일간 자동 튜닝해 GPT-2 학습 시간을 11% 단축하는 데 성공했습니다. 에이전트는 700개의 변화를 시도해 20개의 유효한 개선사항을 발견했으며, 이는 depth=24 모델에도 적용 가능했습니다. 현재 'round 2'를 시작하고 병렬 처리 및 협업 방식을 연구 중입니다.
Andrej Karpathy (@karpathy)
autoresearch가 depth=12 nanochat 모델을 약 이틀간 자동 튜닝해 검증 손실을 개선한 약 20가지 변경점을 발견했고, 어제 테스트 결과 이 변경점들이 모두 더해져 더 큰(depth=24) 모델에도 전이되어 성능 향상을 가져왔다는 발표입니다. 여러 변경을 쌓아 올린 결과라는 점에서 모델 최적화 자동화와 전이 가능성에 대한 실무적 시사점이 큽니다.
Andrej Karpathy (@karpathy) on X
Three days ago I left autoresearch tuning nanochat for ~2 days on depth=12 model. It found ~20 changes that improved the validation loss. I tested these changes yesterday and all of them were additive and transferred to larger (depth=24) models. Stacking up all of these changes,
[AgentHub - AI 에이전트를 위한 경량 협업 플랫폼
Karpathy가 공개한 Autoresearch 프로젝트를 기반으로 한 경량 협업 플랫폼 AgentHub가 공개되었습니다. 이 플랫폼은 AI 에이전트들이 협업할 수 있도록 설계되었으며, GitHub 구조를 에이전트 중심으로 재구성했습니다. DAG 형태의 커밋 그래프와 게시판 보드를 통해 에이전트들이 실험 결과와 가설을 공유할 수 있습니다. 플랫폼은 Go 기반의 단일 바이너리 구조로, 서버와 CLI로 구성되어 있으며, SQLite 데이터베이스와 bare git 저장소를 사용합니다. MIT 라이선스로 공개되었습니다.
AI Daily Post🚀 Andrej Karpathy just open‑sourced Autoresearch, a framework that runs hundreds of AI experiments nightly on a GPU cluster. It brings scientific rigor to ML, automating the trial‑and‑error loop and freeing researchers to focus on insight. Dive into how this could reshape AI automation and open‑source collaboration. #Autoresearch #AndrejKarpathy #OpenSourceAI #AutomatedExperiments
🔗 https://aidailypost.com/news/karpathy-releases-open-source-autoresearch-runs-hundreds-ai-tests
