百度发布 ERNIE Evolve 自动化研究系统，称在多项公开基准上刷新纪录
百度发布自动化研究系统 ERNIE Evolve，可针对给定代码仓库与评估标准自主选择研究方向、修改代码并运行实验。据 MarkTechPost 报道，该系统在 NanoChat、NanoGPT Speedrun 等公开基准上取得优于既有公开结果的成绩，并用于 ERNIE-5.5-Flash 的推理优化；系统本身未开源。
核心事实
据 MarkTechPost 报道，百度发布了自动化研究系统 ERNIE Evolve。该系统在给定代码仓库、优化目标和评估标准后，可自主选择研究方向、修改代码并运行实验，只有通过隐藏评估器和独立审查者检查的改动才会被保留。系统采用内外两层循环：外层由 Director 决定研究方向，内层在各自代码版本树上迭代改进，多条研究线并行推进，失败实验会被记录以避免重复。
背景与影响
报道称，百度团队在 NanoChat AutoResearch、NanoGPT Speedrun 和 SOL-ExecBench 三个公开基准上测试了该系统。其中 NanoChat 验证集 BPB 为 0.8763；Speedrun Track 1 在 8×H100 上以 38.9 秒达到目标损失，Track 3 为 2,590 步；SOL-ExecBench 在 B200 上的 235 个内核问题平均 SOL 为 0.819，低于榜首的 0.827。团队还将系统用于仍在开发中的 ERNIE-5.5-Flash 的三项工程任务，报道称在昆仑芯 P800 上经过四轮研究后生成速度达到基线的 623.6%，确定性推理吞吐提升 33.7%，单请求解码速度提升 14.9%。百度在社交平台称这是迈向递归自我改进（RSI）的实践一步。
限制与来源
上述数据均为百度自报，公开基准上的领先幅度较小，且部分对比对象使用的是较早的纪录，不构成同口径比较。报道指出，该系统未对外发布，仅结果与日志在 GitHub 公开，驱动各智能体的具体大模型也未披露。相关性能与可用性请以百度官方后续信息为准。本文信息来源为 MarkTechPost 的报道，尚未获百度官方独立确认。