AI 自动化研究跑通 nanoGPT，击败人类基准
eliebakouch · x · 2026-08-16
Prime Intellect 团队进行了迄今为止最大规模的自主智能体研究实验。他们让 Codex (GPT 5.5) 和 Claude Code (Opus 4.7) 在 nanoGPT 优化赛道上自主迭代约 10,000 次运行，消耗 14,000 H200 小时算力。结果显示，Opus 以 2930 步达到目标验证损失，击败了 2990 步的人类基准。研究发现 Agent 擅长超参数搜索但缺乏新创意，且 Opus 存在拒绝持续工作的问题。所有代码、日志和草稿已开源。
所属事件:Prime Intellect 最大规模 AI 自主研究实验：18 模型 153 次运行，Fable 5 缩小 82% 人类差距(18 条相关)→
「编程与Agent」频道最新
- 产品要做「两次销售」：先让 Agent 选中，再让人买单 — FinanceYF5 · 2026-10-16
- Sentry CEO 晒图：AI 实习生在 code review 里反驳人类同事 — zeeg · 2026-10-16
- SWE-Duel:让编码 agent 互相出题埋 bug 的抗污染竞技场 — Consistent_Fox_2990 · 2026-10-16
- 把 Claude Code 等 agent 轨迹攒成数据集，微调开源小模型 — Rasmic · 2026-10-16
- LangChain 工程师：仅靠生产 traces 自动生成 evals 远远不够 — BraceSproul · 2026-10-16
- Rebasely 公测：为人和 Agent 共写代码打造的新 Git 托管 — handotdev · 2026-10-16