Baidu представи ERNIE Evolve на 9 ноември 2026 г. като система за автоматизирани изследователски експерименти върху реален код, със заявено приложение при ERNIE-5.5-Flash. Това не доказва неограничено автономно самоусъвършенстване.

Изследването има външен критерий

Архитектурата отделя избора на посока от експеримента. Фиксиран Evaluator извън хранилището и Reviewer оценяват резултатите и отклоненията. Това са описани от Baidu механизми, не одитирана от SIExpo изолация.

Публичното хранилище предоставя резултатен код и журнали за NanoChat AutoResearch, NanoGPT Speedrun и SOL-ExecBench. За конкретни писти са посочени 38,92 секунди с 18 измервания и 2590 стъпки с осем. Това са различни метрики. Инструкциите уточняват хардуерни условия, а при SOL сравнимите измервания изискват фиксирана честота. Наличието на артефакти позволява проверка, но не е наше възпроизвеждане.

Защо е важно агентът да не променя собствения си изпит

Редакционният ни прочит е, че автоматичното търсене на подобрения има смисъл само при стабилен критерий. Ако една система може да намали броя проверки или да промени очаквания резултат, по-високият отчетен успех може да означава по-лесен изпит. Това е общ риск при оценяване, а не установена злоупотреба от ERNIE Evolve.

Например оптимизация на обработка на таблици трябва едновременно да запази правилните стойности и да намали времето. Ако кандидатът просто пропусне трудните редове, той може да стане по-бърз без да решава същата задача. Предварително зададеното сравнение на изхода прави тази разлика видима. Примерът е наш илюстративен сценарий.

Важен е и произходът на измерването. Кодът, конфигурацията и журналът трябва да описват една и съща версия. Самостоятелен резултат в таблица не казва дали по-късно публикуван файл е този, който е изпълнен. Публичното съхраняване на резултатите дава отправна точка за такъв преглед.

Скоростта не се пренася без условия

Различните ускорители, честоти и бюджети променят смисъла на числата. Обявено време за обучение не бива да се сравнява направо с брой стъпки или оценка за GPU ядро. Дори еднакво име на задача не е достатъчно, ако входните данни и правилата са различни.

За собствен пилот бихме фиксирали версията на задачата, ресурса и приемливата числова грешка. След това всяка промяна трябва да се проверява върху същите условия и отделни примери, които не са използвани за избора ѝ. Тук предлагаме методика, без да съобщаваме проведен тест.

По-широкият въпрос е дали натрупаният опит помага и при нови задачи. Подобрение на една избрана реализация може да бъде полезно само по себе си, но не установява обща способност за научно откритие. Твърденията за бъдещ темп на развитие трябва да останат отделни от наличните файлове и измервания.

Оценяването трябва да различава промяна в границите на измервателния шум от повторяемо подобрение. Иначе продължително търсене може да избере късметлийско изпълнение. Това е предложен въпрос за независим преглед, не допълнителен резултат, който редакцията приписва на проекта.

Публикацията е съществена с конкретния цикъл и артефакти, които могат да се разглеждат. Читателят трябва да различава заявени резултати, възможност за възпроизводимост и действително независимо повторение. SIExpo е проверил достъпността и съдържанието на източниците, а не изпълнението на скъпите хардуерни експерименти.

Източници: Baidu — ERNIE Evolve research presentation, Baidu — ERNIE Evolve code, logs and reproduction conditions. Корицата е концептуална AI илюстрация, а не документална снимка.

Проверено от редакцията: 2026-11-11T07:14:46.966546+00:00.