ERNIE Evolve是百度2026年11月9日在文心ERNIE博客发布的自动化研究系统，也是百度迈向递归自我改进的第一步。给它代码仓库、目标和评估标准，它能在隔离环境改代码、跑实验，再由独立评估决定改进去留。三项公开AI研发任务里，它三项指标超过了当时可公开验证的最佳成绩；用在内部在研的ERNIE-5.5-Flash上，昆仑芯P800低延迟推理速度被推到基线的623.6%。
五个角色，各管一摊
系统按双层嵌套循环工作：外层定方向，内层开发测试改进，多条研究通道并行，各维护候选代码版本树。五个角色分工：Director挑下一个研究方向和起始版本，参考存既往候选与结果的经验库，以及论文与开源代码组成的知识库；Selector在通道内选候选、定下一个假设；Executor在隔离环境里改代码；Evaluator用固定程序在真实负载上测性能、查正确性，它在被优化仓库之外，对智能体不可见；Reviewer审查收益是否钻了评估漏洞，钻漏洞的候选直接丢弃，只有超噪声阈值的提升才会被接受。
公开任务成绩单分三行写：
- NanoChat AutoResearch：5分钟单GPU预算下验证BPB为0.8763，好过此前最佳0.8878。
- NanoGPT Speedrun：达标时间38.9秒、步数2590步，均超过此前最佳的39.9秒与2690步。
- SOL-ExecBench：235道真实模型kernel优化题平均分0.819，略低于榜单最佳0.827。
三项任务共用同一套研究循环，没有为哪个指标单独调参，优化结果已在GitHub开源。
更值得看的是内部落地：自动化研究第一次进入ERNIE团队日常工程，改动须通过与工程师提交相同的负载测试与正确性检查。除昆仑芯提速外，确定性推理吞吐三天研究后提升33.7%，解码速度再快14.9%，准确率不变。百度同时划了安全边界：递归自我改进须在人类控制下运行、可中断，限定在目标、权限与资源边界内，接受安全评估与监督。不过ERNIE Evolve目前未公布面向公众的开放使用、定价或API信息，普通用户还用不上，适用对象是做模型训练、推理优化与GPU kernel优化的团队。
下一步先把这套做法扩到训练系统优化，再用模型能力指标指导自动化假设生成与实验验证。文心5.0在千帆亮相时被定位为原生全模态基础模型，ERNIE Evolve像是给这条产品线补上了一台“研发引擎”。
