#autoresearch Repositorios
Descubre 20 repositorios activos de código abierto de GitHub etiquetados con #autoresearch, que acumulan 40,850 estrellas en total (una media de 2,042 estrellas por proyecto). El líder de este tema es alchaincyf/darwin-skill, con 7,015 estrellas.
20 repositorios en total
达尔文.skill —— Un sistema que hace evolucionar infinitamente tus Skills: evaluación→mejora→prueba→mantener o rollback | Optimización autónoma de skills inspirada en Autoresearch para Claude Code. Evaluar, mejorar, probar, mantener o revertir.
Habilidad de Autoinvestigación de Claude — Iteración autónoma orientada a objetivos para Claude Code. Inspirado en el autoresearch de Karpathy. Modificar → Verificar → Mantener/Descartar → Repetir para siempre.
Habilidad Codex Autoresearch — Un sistema iterativo autodirigido para Codex que cicla continuamente a través de: modificar, verificar, retener o descartar, y repetir indefinidamente. Inspirado en el concepto autoresearch de Karpathy.
Un tiempo de ejecución de AutoResearch impulsado por planos para orquestar flujos de trabajo de investigación de IA desde la generación de ideas y experimentos hasta la redacción de artículos y la revisión por pares.
Una lista curada de bucles de mejora autónoma, agentes de investigación y sistemas de estilo autoresearch inspirados en el autoresearch de Karpathy.
El primer sistema AGI distribuido. Miles de agentes AI autónomos que entrenan modelos de manera colaborativa, comparten experimentos mediante gossip P2P y ponen aquí sus avances. Totalmente peer-to-peer. Únete desde tu navegador o CLI.
AutoResearch para kernels GPU. Dale cualquier modelo PyTorch, déjalo dormir, y despiértalo para obtener kernels Triton optimizados.
AIDE: un agente LLM para ingeniería de aprendizaje automático, la investigación de la que surgió Weco. Referenciado en MLE-bench de OpenAI.
Habilidades reutilizables para agentes de IA que cultivan granjas de software: explora ideas, redacta especificaciones, deja que los agentes construyan sin supervisión y luego selecciona lo que ha crecido: deshierba, poda y revisa. Compatible con Claude Code, Codex y otros agentes compatibles con habilidades.
convierte su base de código en un bucle de investigación automática: descubre qué medir, instrumenta el benchmark y luego ejecuta una búsqueda en árbol con subagentes paralelos.
un arnés recursivo de auto-mejora diseñado para ayudar a tus agentes (y futuras iteraciones de esos agentes) a tener éxito en cualquier tarea
Un agente de investigación autónomo generalista: realiza experimentos, investiga y optimiza iterativamente de forma autónoma.
Principia extrae principios reutilizables, compone esos principios en ideas de investigación trazables y ayuda a los investigadores a inspeccionar por qué una idea puede valer la pena probar.
Investigación automática de código abierto impulsada por agentes de codificación autónomos. Ejecute Claude Code, OpenCode y Codex con calificación, conocimiento compartido y evolución multiagente. Aceptado en COLM 2026.
Lista curada de casos de uso de AutoResearch con trazas de optimización e implementaciones de código abierto
Un plugin codex para ejecutar bucles de optimización dentro de una base de código. Es útil cuando tienes un objetivo medible y muchos cambios posibles que probar: tiempo de ejecución de pruebas, velocidad de compilación, tamaño del paquete, pérdida del modelo, puntuaciones de Lighthouse, uso de memoria, latencia de consultas o cualquier otra métrica que puedas imprimir desde un script.
Dale a una IA una línea de investigación: se encarga por sí sola de sintetizar la literatura, validar las lagunas, formular hipótesis y diseñar experimentos. 267 habilidades en Markdown conforman un grafo de investigación: 51 operaciones compuestas por 216 pasos atómicos, en cualquier orden y con retroceso explícito; el plan se aprueba antes de ejecutarse y las ejecuciones interrumpidas se reanudan. Instalación con npx, sin entorno de ejecución ni clave de API.
Preguntas frecuentes
¿Cuál es el repositorio de #autoresearch más popular en GitHub?
El proyecto de código abierto de #autoresearch mejor posicionado en GitHub es alchaincyf/darwin-skill, con 7,015 estrellas. 达尔文.skill —— Un sistema que hace evolucionar infinitamente tus Skills: evaluación→mejora→prueba→mantener o rollback | Optimización autónoma de skills inspirada en Autoresearch para Claude Code. Evaluar, mejorar, probar, mantener o revertir.
¿Qué lenguajes de programación se utilizan más en los repositorios de #autoresearch?
Entre los proyectos de #autoresearch mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, HTML, JavaScript, Shell.
¿Cómo se calcula la clasificación de los repositorios de #autoresearch?
Seguimos 20 repositorios activos de código abierto etiquetados con #autoresearch (500+ estrellas), que suman un total de 40,850 estrellas, con una media de 2,042 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.