Baidu 9 ноября представила ERNIE Evolve — систему, которая выбирает направления экспериментов, меняет код обучения и исполнения нейросетей и сохраняет удачные результаты для следующих попыток. Компания сообщила об улучшениях в открытых тестах и во внутренней разработке ERNIE-5.5-Flash.

В опубликованном репозитории есть итоговый код и журналы измерений. Например, в NanoGPT Speedrun обучение до заданного качества заняло 38,92 секунды на восьми H100; приведены 18 запусков. В другом задании система достигла целевого качества за 2590 шагов, меняя правило обновления параметров. Это позволяет проверять конкретные решения, хотя код всей исследовательской системы в этот выпуск не входит.

Человек задаёт цель и допустимые изменения. Дальше агенты могут выбирать гипотезы по истории удачных и неудачных опытов. По описанию Baidu, проверяющая программа находится вне изменяемого репозитория и скрыта от агентов; отдельная проверка отбрасывает попытки использовать лазейки в оценке. Такой порядок нужен, чтобы улучшение показателя означало полезное изменение кода.

Внутри Baidu система за примерно три дня увеличила пропускную способность одного режима ERNIE-5.5-Flash на 33,7%, сохранив требуемую побитовую воспроизводимость результатов. Успех был не повсеместным: в тесте вычислительных ядер SOL-ExecBench оценка 0,819 осталась ниже лучшей публичной 0,827, а одна попытка заменить механизм обмена данными замедлила работу на 14% и была отброшена.

После Together Compiler это ещё один пример передачи ИИ части инженерных экспериментов — здесь также с изменением алгоритмов обучения и доступными для проверки результатами. Но внутренние ускорения пока подтверждены только Baidu; они не доказывают роста общих способностей модели или готовности ИИ самостоятельно вести любое исследование.