HypothesisOS：面向 AI 自主 ML 实验的开源框架发布

Assem-ElQersh 在 GitHub 发布 HypothesisOS，一个执行自主深度学习研究循环的实证 ML 框架，核心是 UCT 状态树搜索、多模型匿名同行评审共识与 Keep-or-Revert 决策。评估器 evaluate.py 完全自包含，启动时以 SHA-256 哈希加 chmod 444 锁定防篡改，验证数据 val.pt 被隔离；评审用 mean-rank 聚合、Kendall's W 一致性系数和含信息增益与新颖性的 EV 公式打分。基线为 TinyShakespeare 上 Transformer 的 0.1672 BPB，单次试验固定 30 秒训练预算，支持本地或 Modal GPU 执行，并明确指出小数据集结论未必迁移到大模型场景。