Cải Thiện 19% của Shopify: Cách Các Công Ty Đang Sử Dụng Pattern Autoresearch
Khi Karpathy phát hành autoresearch vào ngày 7 tháng 3 năm 2026, chỉ mất vài ngày — không phải vài tuần, không phải vài tháng — để các công ty bắt đầu chạy nó trên các vấn đề của riêng họ.
Người chấp nhận sớm đáng chú ý nhất: CEO Shopify Tobi Lutke, người đã điều chỉnh framework autoresearch cho một dự án nội bộ. Kết quả? Một mô hình 0,8 tỷ tham số được huấn luyện qua đêm vượt trội hơn mô hình 1,6 tỷ tham số trước đó 19% sau chỉ 37 thí nghiệm trong 8 giờ.
Mô hình nhỏ hơn. Kết quả tốt hơn. Không có sự can thiệp của con người qua đêm.
Pattern Autoresearch trong Kinh Doanh
Những gì Shopify chứng minh không chỉ là thí nghiệm ML thú vị. Đó là bằng chứng về một cách mới các công ty thực hiện R&D.
Cách tiếp cận truyền thống: thuê kỹ sư ML, để họ chạy thí nghiệm thủ công, xem xét kết quả trong các cuộc họp. Một nhóm tốt có thể chạy 30 thí nghiệm tập trung mỗi tháng.
Cách tiếp cận autoresearch: viết program.md xác định mục tiêu, để AI agent chạy thí nghiệm qua đêm, xem xét kết quả vào buổi sáng. Một kỹ sư, một GPU, 100+ thí nghiệm mỗi đêm.
Toán học áp đảo: Nghiên cứu thủ công tạo ra ~1 thí nghiệm mỗi ngày mỗi nhà nghiên cứu. Autoresearch tạo ra ~12 mỗi giờ. Đó là tăng 100 lần thông lượng thí nghiệm.
Vượt Ra Ngoài ML: Năm 36.500 Thí Nghiệm
Pattern này mở rộng ra ngoài huấn luyện mô hình. Các nhóm marketing thường chạy khoảng 30 thí nghiệm mỗi năm — A/B test, biến thể copy, thay đổi targeting.
Những người chấp nhận sớm đang hình dung một thế giới nơi autonomous agents chạy 100 thí nghiệm marketing mỗi ngày, đo tỷ lệ chuyển đổi, điều chỉnh copy, và lặp targeting — tất cả được hướng dẫn bởi program.md xác định mục tiêu thương hiệu.
Đó là 36.500+ thí nghiệm mỗi năm so với 30.
Lợi Thế Markdown
Trong mọi trường hợp, đóng góp của con người giống nhau: một file Markdown xác định những gì cần tối ưu hóa, những ràng buộc cần tôn trọng, và những chiến lược cần thử.
Đây là lý do tại sao khả năng đọc viết Markdown đang trở thành lợi thế cạnh tranh. Các công ty xây dựng thư viện tham khảo — lưu tài liệu, phân tích cạnh tranh, bài báo nghiên cứu, và thực hành tốt nhất dưới dạng Markdown sạch — có lợi thế khởi đầu.
Save chuyển đổi bất kỳ trang web nào thành Markdown sạch — xây dựng thư viện kiến thức mà các công ty cần để viết hướng dẫn AI agent hiệu quả. Dùng thử Save miễn phí.
## Continue reading
Autoresearch Cho Tất Cả Mọi Người: Cách Chạy 100 Thí Nghiệm AI Trong Khi Bạn Ngủ
Autoresearch của Karpathy chạy 100+ thí nghiệm ML qua đêm trên một GPU duy nhất. Đây là cách nó hoạt động, những gì bạn cần và tại sao một script Python 630 dòng đang thay đổi nghiên cứu AI.
Autoresearch & PROGRAM.md của Karpathy: AI Chạy Thí Nghiệm Khi Bạn Ngủ
Autoresearch của Andrej Karpathy cho phép AI agent chạy 100+ thí nghiệm ML qua đêm, được hướng dẫn bởi một file Markdown đơn gọi là program.md. Đây là cách hoạt động và tại sao nó quan trọng.
Git Commit Như Là Khám Phá Khoa Học: Cách Autoresearch Biến Kiểm Soát Phiên Bản Thành Phòng Thí Nghiệm Nghiên Cứu
Trong autoresearch của Karpathy, mỗi thí nghiệm thành công là một git commit. Mỗi thí nghiệm thất bại là một git reset. Kiểm soát phiên bản đã trở thành bộ nhớ của nghiên cứu AI tự chủ.
Cách Viết program.md Tốt: Hướng Dẫn Thực Hành Cho Hướng Dẫn AI Agent
program.md là file lập trình AI agent trong autoresearch của Karpathy. Đây là cách viết một file mang lại kết quả — với cấu trúc, ví dụ, và các thực hành tốt nhất.
Written by
Jean-Sébastien Wallez
I've been making internet products for 10+ years. Built Save on weekends because I wanted my own reading library in clean markdown for Claude and Obsidian. Write here about web clipping, AI workflows, and the small things that make a personal knowledge base actually useful.