用途：autoresearch 是一个自主 ML 实验框架，智能体迭代修改 train.py，运行固定 5 分钟 GPU 实验，用单一指标 val_bpb 评估，通过 git ratcheting 只提交有改进的改动，用于整夜自动化研究循环。
主要能力：人类编写 program.md 研究指令，智能体读取后修改 train.py 并提交，执行 uv run train.py（约 300 秒），提取 val_bpb 与 peak_vram_mb，改进则保留提交，否则 git reset HEAD~1，并追加记录到 results.tsv。train.py 可读写，program.md、prepare.py、constants.py、pyproject.toml 只读，results.tsv 追加。状态分 keep、discard、crash。
使用方式：先安装 uv（curl -LsSf https://astral.sh/uv/install.sh | sh），克隆 karpathy/autoresearch 并 uv sync，运行 uv run prepare.py 准备数据，再 uv run train.py 跑基线并用 grep 提取指标。编写 program.md 后，指向 Claude Code 或 Codex 等智能体执行循环。仓库提供 setup.sh、run-experiment.sh、run-loop.sh、show-results.sh、check-hardware.sh 脚本。
适用场景与限制：适合在 GPU 机器上搭建 autoresearch、编写研究指令、启动整夜实验、解读 results.tsv、受限显存配置。需在 300 秒内完成，峰值显存受限，不可新增依赖，不应修改 prepare.py 或 constants.py。硬件方面 H100 80GB 推荐，A100 40GB 支持，RTX 4090 24GB 与 GTX 1660 Ti 6GB 需社区调参，Apple Silicon 与 Windows RTX 为社区移植。具体价格与收费暂未提供。