====== autoresearch – autonomní ML experiment loop ======

[[https://github.com/karpathy/autoresearch|autoresearch]] je open-source framework od Andreje Karpathyho, který umožňuje AI agentovi autonomně provádět stovky ML experimentů přes noc. Agent opakovaně upravuje trénovací kód, spouští krátké experimenty a měří výsledky – bez zásahu člověka.

===== Jak to funguje =====

Celý cyklus je přímočarý:

  - Agent si přečte instrukce v ''program.md''
  - Navrhne změnu v ''train.py'' – architekturu, hyperparametry, optimizer
  - Spustí trénink (přesně 5 minut na hodinách)
  - Změří výsledek (metrika ''val_bpb'')
  - Pokud je výsledek lepší, změnu ponechá; pokud horší, zahodí
  - Cyklus se opakuje

Za noc tak proběhne přibližně 100 experimentů. Člověk nastaví pravidla hry v ''program.md'', agent dělá experimenty sám.

===== Klíčové soubory =====

**prepare.py** – jednosměrná příprava dat. Stáhne trénovací data a natrénuje BPE tokenizer. Tento soubor člověk ani agent neupravuje.

**train.py** – jediný soubor, který agent edituje. Obsahuje architekturu GPT-like modelu, optimizer (Muon + AdamW) a celý trénovací loop. Agent může měnit cokoliv: hloubku modelu, batch size, attention pattern, regularizaci, scheduling.

**program.md** – instrukce pro agenta. Tento soubor edituje člověk – zde se nastavuje výzkumný směr, omezení a cíle experimentů.

===== Instalace =====

Potřebuješ NVIDIA GPU (projekt je testovaný na H100) a Python 3.10+.

<code bash>
curl -LsSf https://astral.sh/uv/install.sh | sh
uv sync
uv run prepare.py    # stáhne data a tokenizer, jednorázově (~2 minuty)
uv run train.py      # spustí jeden 5minutový experiment ručně
</code>

Komunita vytvořila forky i pro macOS, Windows a AMD GPU s upravenými hyperparametry pro menší compute.

===== Metrika: val_bpb =====

Všechny experimenty se porovnávají podle jedné metriky – **validation bits per byte (val_bpb)**. Čím nižší číslo, tím lepší model. Fixní časový rozpočet 5 minut zajistí, že všechny pokusy jsou přímo srovnatelné a výsledek je optimalizovaný pro konkrétní hardware, na kterém experimenty běží.

===== Co obsahuje – a co ne =====

Repo obsahuje:
  * architekturu malého GPT-like modelu (transformer decoder)
  * trénovací pipeline s optimizery Muon + AdamW
  * skript pro přípravu dat a tokenizer

Repo **neobsahuje**:
  * natrénované váhy ani hotový model ke stažení
  * velký foundation model
  * nástroje pro fine-tuning open-weight modelů (Llama, Mistral apod.)

Při spuštění se model inicializuje s náhodnými vahami a trénuje se od nuly. Pro použití s open-weight modely by bylo potřeba upravit experiment loop a metriku.

===== Typické use cases =====

  * Automatické noční ladění malého LLM na konkrétním GPU
  * Hledání optimálních hyperparametrů (learning rate, batch size, scheduler)
  * Testování různých architektur (hloubka, šířka, attention pattern)
  * Sandbox pro pochopení agentic coding nad měřitelným cílem
  * Prototyp vlastního autonomního experiment loopu

===== Limity =====

  * Vyžaduje NVIDIA GPU; standardní repo není připravené na CPU ani AMD
  * Výsledky jsou vázané na konkrétní hardware – přenositelnost není zaručena
  * Hrozí přeladění na validační metriku (overfitting na ''val_bpb'')
  * Agent může generovat slepé nebo nefunkční pokusy, které trénink rozbijí
  * Není to hotový produkční model ani univerzální AutoML framework
  * Není vhodné pro ladění hosted API modelů (OpenAI, Claude) – ty nemají přístupný trénovací kód

===== Zdroje =====

  * [[https://github.com/karpathy/autoresearch|karpathy/autoresearch – GitHub]]
  * [[https://venturebeat.com/technology/andrej-karpathys-new-open-source-autoresearch-lets-you-run-hundreds-of-ai|VentureBeat: Andrej Karpathy's new open-source autoresearch]]