Karpathy의 autoresearch 해부 — 630줄로 AI 연구실 만들기
Andrej Karpathy의 autoresearch를 코드 레벨까지 분석합니다. 630줄 train.py, BPE 토크나이저, MuonAdamW 옵티마이저, 에이전트 프로토콜의 설계 원리를 파헤칩니다.
Karpathy의 autoresearch 해부 -- 630줄로 AI 연구실 만들기
Andrej Karpathy가 2026년 3월 공개한 autoresearch를 코드 레벨까지 분석합니다. 630줄짜리 train.py 하나로 AI 에이전트가 밤새 100개 ML 실험을 자동으로 돌리는 원리를 파헤칩니다.
이 글은 autoresearch 시리즈 3부작 중 Part 1입니다.
- Part 1 (이 글): 프로젝트 구조와 코드 심층 분석
- Part 2: 직접 실행하고 실험 결과 분석하기
관련 포스트
AI Tools & Agents
나만의 autoresearch 만들기 — 다른 도메인에 자율 실험 적용하기
autoresearch 패턴을 텍스트 분류, 이미지 분류, RAG 파이프라인에 적용합니다. 범용 실험 러너와 program.md 템플릿 제공.
AI Tools & Agents
autoresearch 실전 — GPU 하나로 밤새 실험 돌리기
환경 설정부터 에이전트 실행, 밤새 100개 실험 결과 분석까지. 작은 GPU에서도 돌리는 튜닝 가이드와 실전 팁.
Ops & Systems
Agent 프로덕션 — Guardrails부터 Docker 배포까지
Guardrails 3계층(Input/Output/Semantic)으로 안전한 Agent를 만들고, FastAPI + Docker로 프로덕션 배포합니다. HITL, 레이트 리밋, 모니터링 체크리스트 포함.