事件经过

11 月 9 日，百度 ERNIE 团队在官方博客发布 ERNIE Evolve，把它定义为面向真实 AI 研发的自动研究系统（Automated Research）。系统在明确目标与约束下工作，既能决定要研究什么，也能通过实验把方案做得更好：给定代码仓库、优化目标和评价标准，ERNIE Evolve 会在隔离环境中自行修改代码并运行实验，由独立评测决定哪些改进可以保留，每次实验的发现又反过来指导下一次研究。

关键能力与数据

• 双层循环结构：外层由 Director 决定研究方向并从经验库、知识库中选择起点；内层由 Selector 指定假设、Executor 改代码产出新候选，多条研究线并行推进。

• 结果把关与智能体隔离：Evaluator 是固定评测程序，放在被优化仓库之外且对所有智能体不可见；Reviewer 再对照代码改动与评测结果，剔除偏离方向或利用评测漏洞的版本，提升超过噪声阈值才会被接受。

• 公开任务表现：NanoChat AutoResearch 验证集 BPB 0.8763（对比公开最优 0.8878）；NanoGPT Speedrun Track 1 达标耗时 38.9 秒（公开 39.9 秒）、Track 3 达标步数 2590 步（公开 2690 步）；GPU 内核优化的 SOL-ExecBench 平均 SOL 为 0.819，略低于榜单最优 0.827。

• 真实产线验证：团队将其用于在研模型 ERNIE-5.5-Flash 的推理优化，改动通过生产级验证并带来明显性能收益；相关优化结果已在 GitHub 开源。

行业意义

把模型能力用于改进模型自身，即所谓的递归自我改进（RSI）路径，是各家 AI 实验室竞相验证的方向。ERNIE Evolve 的价值不只在于跑分，而在于它把"提出方向—实验—独立评测—经验回流"做成闭环，并强调评测程序对智能体不可见，直接回应了自动研究最容易被质疑的"刷榜"问题。若同类系统在真实研发中规模化，模型迭代周期可能被显著压缩。

原文出处

• 百度 ERNIE 官方博客：https://ernie.baidu.com/research/posts/ernie-evolve/

• 开源结果仓库：https://github.com/ernie-research/ERNIE-Evolve-Results