Loop 日报: 2026-05-22

Loop 日报: 2026-05-22

前天，autoresearch 的话题终于不再围着 Karpathy 的简历转，而是回到了人们到底拿这个循环干了什么。底层套路还是 Karpathy 在 nanochat 上验证过的那一套：给 agent 一个可编辑的文件加一个可测量的数字，让它改、验证、保留或回滚，然后重复。变的是大家把枪口对准了哪里。有人用可微物理优化了一个真实的咖啡杯。有人通宵后训练一个小模型，眼看着分数往上爬。有人已经连续跑了 163 天一个会自己改指令的内容 agent。而在这片热闹底下，有一盆很有用的冷水：一份 NanoGPT-Bench 评测显示，这些 agent 在真实 AI 研发任务上只追回了人类进度的 9.3%，这恰好告诉你循环在哪里管用、在哪里还在装样子。最诚实的结论是：autoresearch 最强的场景是代码库能塞进上下文、评测被冻住、一次实验只花五分钟。一旦超出这三个条件，它就开始发飘。下面是大家实际做出来的东西。