# DeepSeek研究员开源AutoResearch：AI自己跑完285B模型强化学习全流程

> 原标题：DeepSeek研究员开源AutoResearch：AI自主跑通285B模型RL研究闭环

- 来源：AI HOT 精选
- 发布时间：2026-06-19T03:58:46.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/39354
- 原文：https://x.com/AYi_AInotes/status/2067819352926150953

## 摘要

DeepSeek研究员Deli Chen放出了一个叫AutoResearch的实验协议，让AI智能体在285B参数的模型上独立跑完了一整套强化学习研究闭环——自己设计实验、写代码、提交GPU任务、修bug、写总结，全程没人插手。系统用了GRPO这个工具。

## 推荐理由

DeepSeek研究员Deli Chen开源的AutoResearch协议，让AI智能体在285B参数模型上独立完成强化学习研究闭环，从设计实验到写总结全程无人干预。

## 锐评

285B 模型上让 agent 自己跑完强化学习全流程，这个设定比结果更值得看。GRPO 那套东西本来就要反复调 reward、盯 loss、改代码重提任务，人肉干这些活最耗人，能自动化掉这部分，省的是研究员的排班时间。

摘要里一个成功率、一次跑多久、烧了多少卡时都没给，只有一句全程没人插手。这种协议我信它能跑通流程，不信它跑出来的结论能直接用，等有人拿它复现一遍再算数。
