Karpathy 怎么用 loop：AutoResearch + 让它快 5 倍的双层 loop

Loop Engineering 的核心在于将人类从繁琐的实验循环中解放，通过定义验证器、状态文件和停止条件，让 AI 自主完成目标探索。Andrej Karpathy 的 AutoResearch 仓库展示了这种模式的威力：AI 在两天内通过 700 次实验，找出了人类手工打磨 20 年模型中遗漏的 20 处优化，甚至实现了模型体积减半而性能提升 19% 的成果。双层自动研究（Bilevel AutoResearch）通过让外层 loop 优化内层搜索逻辑，进一步将改进效率提升了 5 倍。尽管 loop 在具备自动化验证指标的编程任务中表现卓越，但在需求模糊的创意设计领域仍需人类介入。这种范式的转变要求开发者从 “写代码” 转向 “设计循环”，在享受效率飞跃的同时，警惕认知投降与理解力断层的风险。