나만의 autoresearch 만들기 — 다른 도메인에 자율 실험 적용하기
autoresearch 패턴을 텍스트 분류, 이미지 분류, RAG 파이프라인에 적용합니다. 범용 실험 러너와 program.md 템플릿 제공.
나만의 autoresearch 만들기 -- 다른 도메인에 자율 실험 적용하기
Karpathy의 autoresearch는 LLM 사전학습에 특화된 자율 실험 시스템입니다. Part 1에서 전체 구조를, Part 2에서 에이전트의 실험 전략과 결과 분석을 다뤘습니다. 여기까지 읽으셨다면 한 가지 질문이 떠오를 겁니다.
"이걸 내 문제에도 쓸 수 있을까?"
이번 글에서는 autoresearch의 핵심 패턴을 추출하고, 텍스트 분류, 이미지 분류, RAG 파이프라인이라는 세 가지 도메인에 적용하는 방법을 다룹니다. 마지막에는 범용 실험 러너 코드와 program.md 템플릿을 제공합니다.
시리즈: Part 1: 구조 분석 | Part 2: 실험 전략 | Part 3 (이 글)
autoresearch의 핵심 패턴 추출
autoresearch 전체를 관통하는 구조는 놀라울 정도로 단순합니다. 파일 3개, 규칙 5단계, 설계 원칙 몇 가지. 이것만 추출하면 어떤 ML 태스크에든 적용할 수 있습니다.
3-파일 아키텍처
autoresearch의 파일 구조를 역할별로 정리하면 다음과 같습니다.
| 파일 | 역할 | 수정 주체 |
|---|---|---|
prepare.py | 고정 인프라 (데이터, 평가, 유틸리티) | 인간 (최초 1회) |
train.py | 실험 대상 (모델, 하이퍼파라미터, 학습 루프) | 에이전트 (매 실험) |
program.md | 에이전트 프로토콜 (실험 규칙, 평가 기준) | 인간 (메타 최적화) |
관련 포스트
Paper of the Week #2 — 점수는 초록에, 청구서는 표 2에
HoH(arXiv 2609.01481)의 Planner→Developer→QA 루프를 Claude Code 둘레에 직접 지어 숨긴 테스트 8과제로 쟀습니다. 점수 차이는 재실행 노이즈 안, 토큰은 58k에서 177k로 3배. HoH 자신의 표 2도 3.25배입니다. 1호가 약속한 matched-loss 대조군 채점도 함께 실었습니다.
프로젝트 유형별 CLAUDE.md 템플릿 5종 — 복붙용 파일과 에이전트가 실제로 따르는 규칙
Next.js·Python ML·모노레포·데이터 파이프라인·연구 노트북용 CLAUDE.md/AGENTS.md 템플릿 5종. 어떤 줄이 장식이고 어떤 줄을 에이전트가 실제로 따르는지, 그리고 규칙 파일로 사이드 이펙트를 통제하는 법까지.
폰에서 Claude Code 쓰기 — 세 가지 접근과, 진짜 되는 방법
폰으로 Claude Code에 붙는 세 가지 방법 — tmux + SSH, /remote-control, 그리고 서버 기반 에이전트. 진짜 해결책은 "모바일 지원"이 아니라 컴퓨트를 기기에서 분리하는 것입니다.