ERNIE Evolveは、百度が2026年11月9日に文心ERNIEブログで発表した自動研究システムであり、再帰的自己改善へ向けた第一歩でもある。コードリポジトリ、目標、評価基準を与えると、隔離環境で自らコードを変更し実験を実行し、独立した評価がどの改善を残すかを決める。3つの公開AI研究開発タスクで、3つの指標がそれまで公開検証可能な最良の成績を上回った。開発中のERNIE-5.5-Flashに適用すると、崑崙芯P800の低遅延推論速度はベースラインの623.6%まで引き上げられた。
5つの役割、それぞれの仕事
システムは二重のネストしたループで動く。外側のループが研究の方向を決め、内側のループが各方向で改善を開発・検証し、複数の研究レーンが並行して走り、それぞれが候補コードのバージョンツリーを維持する。5つの役割が分担する。Directorは次の研究方向と出発バージョンを選び、過去の候補と結果を蓄えたエクスペリエンスバンクと、論文・オープンソースコードからなるナレッジベースを参照する。Selectorはレーン内で候補を選び、次に検証する仮説を決める。Executorは隔離環境でコードを変更する。Evaluatorは固定の手順で実際のワークロード上で性能を測り正しさを検証し、最適化対象のリポジトリの外にあってエージェントからは見えない。Reviewerは成果が評価の抜け穴を利用したものかどうかを審査し、抜け穴利用の候補は破棄され、ノイズのしきい値を超えた改善だけが受け入れられる。
公開タスクの成績は3行でまとめられる。
- NanoChat AutoResearch：5分・単一GPUの予算で検証BPBは0.8763となり、従来最良の0.8878を上回った。
- NanoGPT Speedrun：目標損失までの時間は38.9秒、ステップ数は2590歩で、従来最良の39.9秒と2690歩をともに上回った。
- SOL-ExecBench：実際のモデル由来のカーネル最適化問題235問で平均スコア0.819となり、リーダーボード最良の0.827をわずかに下回った。
3つのタスクはすべて同じ研究ループを使い、特定の指標向けに調整しておらず、最適化結果はGitHubでオープンソース化されている。
より注目すべきは社内への導入だ。自動研究が初めてERNIEチームの日常のエンジニアリングに入り、変更はエンジニアの提出物と同じ負荷テストと正しさのチェックを通過しなければならない。崑崙芯の高速化に加え、決定的推論のスループットは約3日の研究で33.7%向上し、デコード速度もさらに14.9%速くなり、精度は変わらなかった。百度は同時に安全の境界も引いた。再帰的自己改善は人間の管理下で、中断可能に、目標・権限・リソースの境界内で運用し、安全評価と監督を継続的に受けなければならない。ただしERNIE Evolveは一般向けの利用方法、価格、APIをまだ発表しておらず、一般ユーザーはまだ使えない。対象はモデル学習、推論最適化、GPUカーネル最適化に取り組むチームだ。
次のステップは、この手法をまず学習システムの最適化へ広げ、次にモデルの能力指標を使って自動的な仮説生成と実験検証を導くことだ。文心5.0が千帆に登場したときは、ネイティブな全モーダル基盤モデルとして位置づけられた。ERNIE Evolveは、その製品ラインに加わった「研究エンジン」のように見える。
