百度推出ERNIE Evolve自动研究系统,已用于ERNIE-5.5-Flash推理优化
摘要
百度文心团队发布自动研究系统ERNIE Evolve,采用双层循环组织研究方向选择与实验迭代,由Director、Selector、Executor、Evaluator和Reviewer分工推进研究,公开任务成绩超过最好纪录,并已落地ERNIE-5.5-Flash的推理优化。
百度文心团队近日对外披露了一套名为ERNIE Evolve的自动研究系统,尝试将研究流程本身交给AI组织与推进。与传统单点工具不同,该系统的目标指向研究工作的整体编排,而非单一环节的辅助。
在架构上,ERNIE Evolve采用双层循环来组织研究方向选择与实验迭代:一层负责在候选方向之间做取舍,另一层负责具体实验的反复执行与调整。系统内部由Director、Selector、Executor、Evaluator和Reviewer五个角色分工推进研究,形成从决策到执行再到评审的链路。
从公开结果看,ERNIE Evolve在公开任务上的表现超过了现有最好纪录。这一成绩意味着自动研究系统在标准化评测中已具备可验证的竞争力,而不仅是流程演示。
更具落地意义的是,该系统已被用于ERNIE-5.5-Flash的推理优化。研究自动化能力直接进入模型优化环节,说明其产出已能反哺实际模型迭代,而非停留在实验阶段。
本文由新大陆基于公开信息编辑整理
信息来源:AIHOT AIHOT原文 ↗