产品简介
ERNIE Evolve 是百度文心团队在 2026 年 11 月发布的自动化研究系统。给它一个仓库、一个目标和一套评估标准，它会自己选研究方向、改代码、跑实验，只有通过隐藏评估器和独立审查的改动才会留下。
结构是双层循环：外层决定往哪个方向走，内层做实验迭代。角色分工是 Director 定方向、Selector 挑方案、Executor 改代码跑实验、Evaluator 用隐藏评估器打分、Reviewer 做独立审查。重点在最后两步，评估器不公开，审查与执行分开，系统没法自己给自己发合格证。这是自动研究类系统里最容易糊弄过去的环节，也是这套设计唯一值得单独讲的地方。
成绩集中在两个公开的自动研究基准上：NanoChat AutoResearch 与 NanoGPT Speedrun 都刷到 SOTA。工程侧的收益能量化，确定性 GPU 推理吞吐提升 33.7%，单请求解码提速 14.9%，这些优化已经落进 ERNIE-5.5-Flash 的推理。
百度把这一步描述为迈向递归自我改进的尝试，下一步计划扩展到训练系统、模型能力与评估方法本身。这话听着大，落到眼前的其实是件小事：让系统自己找优化点，比等人一个个 profile 要快。
核心功能
- 给定目标自主研究：输入仓库、目标与评估标准，系统自行选择方向、修改代码并运行实验，不需要人逐轮指定下一步。
- 双层循环：外层负责方向选择，内层负责实验迭代，两个循环分开避免方向与执行互相绑架。
- 五角色分工：Director 定方向、Selector 挑方案、Executor 改代码跑实验、Evaluator 打分、Reviewer 独立审查，职责拆得比单智能体自评更细。
- 隐藏评估器与独立审查：评估器不向执行侧公开，改动要同时通过隐藏评估和独立审查才保留，减少系统自己判自己合格的情况。
- 两个基准达到 SOTA：在 NanoChat AutoResearch 与 NanoGPT Speedrun 上刷新最好成绩。
- 工程收益可量化：确定性 GPU 推理吞吐提升 33.7%，单请求解码提速 14.9%，相关优化已用于 ERNIE-5.5-Flash 的推理。
适合谁用
以下类型的用户会特别受益于 ERNIE Evolve：
- 推理与训练代码的性能优化，让系统自己找瓶颈并验证改法。
- 需要大量重复实验的模型结构搜索。
- 把评估标准写在代码里的内部基准，交给系统持续刷分。
- 研究团队的工程侧工作外包给自动化流程，人只看审查结果。
优点亮点
- 两个公开自动研究基准都刷到 SOTA，成绩可对照复现。
- 隐藏评估器加独立审查的结构，减少了自动研究中自评自过的空间。
- 产出的优化已经落进 ERNIE-5.5-Flash，不是纯论文结论。
- 推理吞吐提升 33.7%、单请求解码提速 14.9%，都是可直接换算的成本项。
价格与方案
官方未公布定价或对外开放方式，目前是研究系统，成果已用于 ERNIE-5.5-Flash 的推理优化。是否以 API 或平台形态开放，以百度后续公告为准。
总结与建议
ERNIE Evolve 是百度的自动化研究系统，给仓库、目标与评估标准就能自己选方向、改代码、跑实验，通过隐藏评估器与独立审查的改动才保留。它在 NanoChat AutoResearch 与 NanoGPT Speedrun 上刷新 SOTA，产出的推理优化让确定性 GPU 吞吐提升 33.7%、单请求解码提速 14.9%，并已落进 ERNIE-5.5-Flash。百度把它定位为迈向递归自我改进的一步。
版本演进
- ERNIE Evolve 发布，自动研究系统刷新两个 Speedrun 纪录 （2026-11-09）：百度文心团队发布自动化研究系统 ERNIE Evolve，采用双层循环组织方向选择与实验迭代，由 Director、Selector、Executor、Evaluator、Reviewer 分工推进，改动需通过隐藏评估器与独立审查才保留。系统在 NanoChat AutoResearch 与 NanoGPT Speedrun 上达到 SOTA，确定性 GPU 推理吞吐提升 33.7%，单请求解码提速 14.9%，相关优化已落地到 ERNIE-5.5-Flash 的推理。百度称这是迈向递归自我改进的一步，下一步计划扩展到训练系统、模型能力与评估方法。