experiments-autonomous-speedrunning

该项目旨在通过自主代理（Claude Code / Opus 4.7 和 Codex / GPT 5.5）在`track_3_optimization`基准测试中竞争，以尽可能少的训练步骤达到验证损失3.28。核心功能包括优化器、调度、初始化和少量超参数的调整。技术特点在于利用了先进的语言模型来生成和评估不同的优化策略。适合于需要高效训练深度学习模型，特别是在资源受限或时间紧迫的情况下使用。项目文件记录了从初始版本到最终版本的详细实验过程，包括代理生成的计划、执行日志及所有变体配置，为研究者提供了丰富的参考材料。