#autoresearch Repositórios
Descubra 20 repositórios ativos de código aberto no GitHub marcados com #autoresearch, acumulando um total de 40,850 estrelas (uma média de 2,042 por projeto). O líder deste tópico é alchaincyf/darwin-skill, com 7,015 estrelas.
20 repositórios no total
达尔文.skill —— Um sistema que evolui infinitamente suas Skills: avaliação→melhoria→teste→manter ou rollback | Otimização autônoma de skills inspirada em Autoresearch para Claude Code. Avaliar, melhorar, testar, manter ou reverter.
Habilidade de Autopesquisa Claude — Iteração autônoma orientada por objetivos para Claude Code. Inspirado no autoresearch de Karpathy. Modificar → Verificar → Manter/Descartar → Repetir para sempre.
Habilidade Codex Autoresearch — Um sistema iterativo autodirigido para Codex que cicla continuamente através de: modificar, verificar, reter ou descartar, e repetir indefinidamente. Inspirado no conceito autoresearch de Karpathy.
Um runtime AutoResearch orientado por blueprint para orquestrar fluxos de trabalho de pesquisa em IA, desde a geração de ideias e experimentos até a redação de artigos e revisão por pares.
Uma lista curada de loops de melhoria autônoma, agentes de pesquisa e sistemas no estilo autoresearch inspirados no autoresearch de Karpathy.
O primeiro sistema AGI distribuído. Milhares de agentes IA autônomos que treinam modelos colaborativamente, compartilham experimentos via gossip P2P e impulsionam avanços aqui. Totalmente peer-to-peer. Junte-se pelo seu navegador ou CLI.
AutoResearch para kernels GPU. Dê qualquer modelo PyTorch, deixe-o dormir e acorde com kernels Triton otimizados.
AIDE: um agente LLM para engenharia de aprendizado de máquina — a pesquisa da qual o Weco surgiu. Referenciado no MLE-bench da OpenAI.
Habilidades reutilizáveis para agentes de IA que cultivam fazendas de software: explore ideias, escreva especificações, deixe os agentes desenvolverem sem supervisão e depois selecione o que cresceu — remova ervas daninhas, pode e revise. Compatível com Claude Code, Codex e outros agentes que oferecem suporte a habilidades.
transforma sua base de código em um loop de pesquisa automática — descobre o que medir, instrumenta o benchmark e, em seguida, executa uma busca em árvore com subagentes paralelos.
um harness recursivo de autoaperfeiçoamento projetado para ajudar seus agentes (e iterações futuras desses agentes) a terem sucesso em qualquer tarefa
Um agente de pesquisa autônomo generalista — realiza experimentos, pesquisa e otimiza iterativamente, de forma autônoma.
Principia extrai princípios reutilizáveis, compõe esses princípios em ideias de pesquisa rastreáveis e ajuda os pesquisadores a inspecionar por que uma ideia pode valer a pena ser testada.
Pesquisa automática de código aberto alimentada por agentes de codificação autônomos. Execute Claude Code, OpenCode e Codex com classificação, conhecimento compartilhado e evolução multiagente. Aceito na COLM 2026.
Lista curada de casos de uso do AutoResearch com traços de otimização e implementações de código aberto
Um plugin codex para executar loops de otimização dentro de uma base de código. É útil quando você tem um objetivo mensurável e muitas mudanças possíveis para testar: tempo de execução de teste, velocidade de compilação, tamanho do pacote, perda de modelo, pontuações do Lighthouse, uso de memória, latência de consulta ou qualquer outra métrica que você possa imprimir a partir de um script.
Dê a uma IA uma direção de pesquisa: ela faz por conta própria a síntese da literatura, a validação de lacunas, a formulação de hipóteses e o planejamento de experimentos. 267 habilidades em Markdown formam um grafo de pesquisa: 51 operações compostas por 216 etapas atômicas, em qualquer ordem e com retorno explícito; o plano é aprovado antes da execução, e execuções interrompidas podem ser retomadas. Instalação via npx, sem ambiente de execução nem chave de API.
Perguntas Frequentes
Qual é o repositório de #autoresearch mais popular no GitHub?
O projeto de código aberto de #autoresearch mais bem classificado no GitHub é alchaincyf/darwin-skill, com 7,015 estrelas. 达尔文.skill —— Um sistema que evolui infinitamente suas Skills: avaliação→melhoria→teste→manter ou rollback | Otimização autônoma de skills inspirada em Autoresearch para Claude Code. Avaliar, melhorar, testar, manter ou reverter.
Quais linguagens de programação são mais usadas nos repositórios de #autoresearch?
Entre os projetos de #autoresearch mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, HTML, JavaScript, Shell.
Como é calculada a classificação dos repositórios de #autoresearch?
Acompanhamos 20 repositórios ativos de código aberto marcados com #autoresearch (com mais de 500 estrelas), totalizando 40,850 estrelas e uma média de 2,042 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.