自动研究、Claude 与约束优化
引言
你无需费心寻找，就能看到有人声称他们借助 AI 完成了原本需要几十人才能做的工作。我倾向于怀疑那些没有证据就谈论改进的说法。我决定把这份怀疑付诸实践。这与 X 上关于'循环（loops）'的讨论略有重叠，但那纯属巧合。
过去几周里，我按照 Kaparthay 的'自动研究（Autoresearch）'主题构建了一个项目。我想选择一个既不是传统机器学习问题，也不是数值优化问题，但仍有某种客观衡量成功标准的问题。
我选择这类问题，是因为我参与过的许多项目或产品都是以这种方式组织的。你有一个想要改变（提升或降低）的指标，理想情况下还有一种衡量它的方法。你很可能还有一些约束条件，例如：对于这个功能，页面加载时间不能超过 500ms。
我还没遇到过一个这样的问题，即从未知到成功的路径是类似于机器学习那样明确的梯度优化。更多时候，你完成一些工作，在'真实世界'中测试它，观察它的表现，然后决定下一步行动。并非所有改变都会带来积极结果，而且很容易深入一条只会带来局部最优结果的路径。