autoresearch

Claude Autoresearch Skill – Autonome, zielgerichtete Iteration für Claude Code. Inspiriert von Karpathys Autoresearch. Ändern → Überprüfen → Behalten/Verwerfen → Endlos wiederholen.

Eine Blueprint-gesteuerte AutoResearch-Laufzeitumgebung zur Orchestrierung von KI-Forschungsworkflows, von der Ideengenerierung und Experimenten bis hin zum Schreiben von Arbeiten und Peer-Reviews.

Eine kuratierte Liste von autonomen Verbesserungsschleifen, Forschungsagenten und Systemen im Autoresearch-Stil, inspiriert von Karpathys Autoresearch.

Codex Autoresearch Skill – Ein selbstgesteuertes iteratives System für Codex, das kontinuierlich die Zyklen durchläuft: modifizieren, verwerfen oder beibehalten und unendlich wiederholen. Inspiriert von Karpathys Autoresearch-Konzept.

Das erste verteilte AGI-System. Tausende autonome KI-Agenten trainieren gemeinsam Modelle, teilen Experimente über P2P-Gossip und treiben hier Durchbrüche voran. Vollständig Peer-to-Peer. Treten Sie über Ihren Browser oder die CLI bei.

Automatische Forschung für GPU-Kernel. Gib ihm ein beliebiges PyTorch-Modell, geh schlafen und wache mit optimierten Triton-Kerneln auf.

AIDE: Ein LLM-Agent für Machine-Learning-Engineering – die Forschung, aus der Weco hervorgegangen ist. Erwähnt in OpenAI MLE-bench.

verwandelt Ihre Codebasis in eine Autoresearch-Schleife – ermittelt, was gemessen werden muss, instrumentiert den Benchmark und führt dann eine Baumsuche mit parallelen Subagenten durch.

🦞+🔬 NanoResearch: Der autonome KI-Forschungsassistent.

Ein rekursives, selbstreferenzielles Framework, das Ihren Agents (und zukünftigen Iterationen dieser Agents) hilft, bei jeder Aufgabe erfolgreich zu sein

Ein generalistischer autonomer Forschungsagent — führt Experimente durch, recherchiert und optimiert iterativ und autonom.

Kuratierte Liste von AutoResearch-Anwendungsfällen mit Optimierungs-Traces und Open-Source-Implementierungen

Open-Source-Autoresearch, angetrieben von autonomen Coding-Agenten. Führen Sie Claude Code, OpenCode und Codex mit Bewertung, gemeinsam genutztem Wissen und Multi-Agenten-Evolution aus. Akzeptiert bei COLM 2026.

Ein Codex-Plugin zum Ausführen von Optimierungsschleifen innerhalb einer Codebasis. Nützlich, wenn Sie ein messbares Ziel und viele mögliche Änderungen zum Ausprobieren haben: Testlaufzeit, Build-Geschwindigkeit, Bundle-Größe, Modellverlust, Lighthouse-Scores, Speichernutzung, Abfrage-Latenz oder jede andere Metrik, die aus einem Skript ausgegeben werden kann.

Principia extrahiert wiederverwendbare Prinzipien, komponiert diese zu nachverfolgbaren Forschungsideen und hilft Forschern zu überprüfen, warum eine Idee einen Test wert sein könnte.

Scholar All-In-One: Eine Forschungsinfrastruktur für KI-Agenten.