La autoinvestigación de Karpathy es algo muy importante. 630 líneas de Python. una GPU. Una métrica. Escribes instrucciones en un archivo de markdown. un agente de IA modifica el código de entrenamiento, realiza un experimento de 5 minutos, comprueba si la puntuación mejoró, lo mantiene o descarta, y repite. ~12 experimentos por hora. ~100 de la noche a la mañana. Tú vete a dormir. Te despiertas con un modelo mejor. Estoy señalando esto a mi sistema de memoria. Dejarlo funcionar toda la noche optimizando la puntuación de recuerdos y los umbrales de confianza mientras duermo. Lo interesante no es la automatización. Es lo que dijo Karpathy sobre el cambio de rol. Ya no escribes en Python. Estás escribiendo instrucciones de descuento para un agente. Cuantas mejores sean tus instrucciones, mejores serán los resultados. Suena familiar si has estado construyendo con agentes. Tobi Lutke ya lo usaba en un modelo más pequeño. Mejora del 19%. el modelo pequeño optimizado para agentes superaba a uno más grande configurado manualmente. Estamos viendo cómo se cierra el bucle de investigación en tiempo real. Lo hablé en la @modernmarket_