Ne duyuruldu?
Baidu, 9 Kasım 2026'da ERNIE Evolve adını verdiği otomatik araştırma sistemini tanıttı. Sistem, bir kod deposu, bir hedef ve değerlendirme ölçütü verildiğinde kendi araştırma yönlerini seçiyor, kodu düzenliyor ve deneyler çalıştırıyor. Yalnızca gizli bir değerlendiriciden ve ayrı bir gözden geçiriciden geçen değişiklikler korunuyor.
Baidu bunu, yapay zekânın kendisini üreten yazılımı iyileştirdiği "özyinelemeli kendini geliştirme" (RSI) yolunda pratik bir adım olarak duyurdu.
Nasıl çalışıyor?
Sistem iki iç içe döngüyle ilerliyor: dış döngü neyin araştırılacağına karar veriyor, iç döngü her yönde iyileştirmeleri geliştirip test ediyor. Görevler dört role dağıtılmış:
- Yönetmen: Sıradaki araştırma yönünü ve başlangıç kod sürümünü seçiyor; geçmiş sonuçların ve makale/kod tabanının kayıtlarını okuyor.
- Seçici: Bir kod sürümü ağacından aday seçip test edilecek hipotezi belirliyor.
- Yürütücü: Planı izole bir ortamda uyguluyor.
- Değerlendirici ve gözden geçirici: Değerlendirici depo dışında tutuluyor ve ajanlar onu göremiyor; gözden geçirici ise değişikliğin amaçlanan yönde olup olmadığını, değerlendirme açığını kötüye kullanmadığını kontrol ediyor.
Başarısız deneyler de kaydediliyor, böylece sonraki turlar aynı hatayı tekrarlamıyor.
Sonuçlar
Baidu sistemi NanoChat AutoResearch, NanoGPT Speedrun ve SOL-ExecBench üzerinde test etti. Şirketin beyanına göre:
- NanoChat'te 0,8763 doğrulama BPB elde edildi.
- NanoGPT Speedrun Track 1'de hedef kayba 38,9 saniyede ulaşıldı; önceki rekor 39,9 saniyeydi.
- Track 3'te 2.590 adımda hedefe ulaşıldı; önceki sonuç 2.690 adımdı.
- SOL-ExecBench'te ortalama 0,819 alındı; liderlik tablosundaki 0,827'nin gerisinde kalındı.
Üretim tarafında ERNIE-5.5-Flash çıkarımı optimize edildi. Baidu, Kunlunxin P800'de üretim hızının dört araştırma turu sonunda başlangıç değerinin yüzde 623,6'sına çıktığını, deterministik işlem hacminde yüzde 33,7 ve çözme hızında yüzde 14,9 artış sağlandığını bildiriyor.
Sınırlar
Tüm rakamlar Baidu'nun kendi beyanı. Sistem kamuya açılmadı ve ajanları hangi dil modellerinin çalıştırdığı açıklanmadı. Kamuya açık kıyaslamalardaki farklar da yer yer küçük. Karşılaştırma tablosunda Tencent Hunyuan'ın Recursive ve Hyra-1.0 ile rekursiv.ai'nin (auto)²-research sistemleri de yer alıyor; ancak bu sistemlerin Speedrun süreleri daha eski bir rekor üzerinden ölçüldüğü için birebir kıyaslanabilir değil.
