Baidu stellt ERNIE Evolve vor: KI-System, das seinen eigenen Code erforscht und verbessert

Baidu hat am Montag, den 9. November 2026, ERNIE Evolve vorgestellt, ein automatisiertes Forschungssystem, das selbst entscheidet, was es untersucht, Code der künstlichen Intelligenz bearbeitet und eigenständig Experimente durchführt – und nur die Änderungen behält, die eine unabhängige Bewertung und Prüfung bestehen. Das Unternehmen beschreibt das Projekt als seinen ersten konkreten Schritt zur rekursiven Selbstverbesserung, einem Szenario, in dem KI-Systeme die Software verbessern, die KI selbst aufbaut und ausführt.

Die Ankündigung erfolgte durch das ERNIE-Team in einem offiziellen technischen Beitrag und wurde noch am selben Tag von der Fachpresse aufgegriffen. Alle in diesem Artikel genannten Zahlen wurden von Baidu selbst veröffentlicht und bisher nicht unabhängig reproduziert.

So funktioniert ERNIE Evolve

Das System organisiert die Forschung in zwei ineinander verschachtelten Schleifen: Die äußere Schleife entscheidet, was untersucht wird, und die innere Schleife entwickelt und testet Verbesserungen innerhalb jeder Forschungsrichtung. Mehrere Richtungen laufen parallel, jede mit ihrem eigenen Baum von Kandidatenversionen des Codes, und auch fehlgeschlagene Experimente werden festgehalten, um spätere Runden zu steuern.

  • Director (Direktor): wählt die nächste Forschungsrichtung und die Ausgangsversion des Codes und greift dabei auf eine Erfahrungsdatenbank früherer Experimente sowie eine Wissensbasis mit Fachartikeln und Open-Source-Code zurück.
  • Selector (Auswähler): wählt innerhalb jeder Richtung aus, welcher Kandidat weiterentwickelt und welche Hypothese als Nächstes getestet wird.
  • Executor (Ausführender): setzt den Plan in einer isolierten Umgebung um und verändert den Code, um eine neue Kandidatenversion zu erzeugen.
  • Evaluator (Bewertungsprogramm): ein festes Bewertungsprogramm, das außerhalb des Repositories gehalten wird und für die Agenten unsichtbar ist. Es akzeptiert nur Verbesserungen oberhalb der Messrausch-Schwelle.
  • Reviewer (Prüfer): kontrolliert, ob eine Änderung der beabsichtigten Forschungsrichtung folgt, und verwirft Gewinne, die durch das Ausnutzen von Bewertungslücken entstanden sind.

Laut Baidu arbeitet das System innerhalb von Menschen definierter Grenzen: Repository, Ziel, Bewertungsregeln, Berechtigungen und Rechenbudget.

Ergebnisse bei öffentlichen Benchmarks

Baidu hat ERNIE Evolve bei drei öffentlichen KI-Forschungs- und Entwicklungsaufgaben getestet, die Trainingsalgorithmen, Trainingsgeschwindigkeit und GPU-Kernel-Optimierung abdecken:

  • NanoChat AutoResearch: 0,8763 validierte Bits pro Byte – besser als das beste verglichene öffentliche Ergebnis (0,8878).
  • NanoGPT Speedrun, Track 1: 38,9 Sekunden bis zum Zielverlust, gegenüber 39,9 Sekunden des bisherigen Rekords.
  • NanoGPT Speedrun, Track 3: 2.590 Schritte bis zum Zielverlust, gegenüber 2.690 beim bisher besten Ergebnis.
  • SOL-ExecBench: ein Mittelwert von 0,819, unter dem Spitzenreiter der Rangliste (0,827) – das System hat also nicht bei jeder Metrik gewonnen.

Baidu hat die finalen Artefakte und Messprotokolle in einem GitHub-Repository veröffentlicht, den Orchestrator des Systems, seine vollständigen Prompts und seine internen Produktionsumgebungen jedoch nicht freigegeben.

Vom Benchmark zur echten Technik: ERNIE-5.5-Flash

Nach den Benchmarks wandte Baidu ERNIE Evolve auf die Inferenzoptimierung von ERNIE-5.5-Flash an, einem noch in der Entwicklung befindlichen Modell, bei drei echten Engineering-Aufgaben. Die Änderungen mussten dieselben Last- und Korrektheitstests bestehen, die auch für Änderungen von menschlichen Ingenieuren verlangt werden.

  • Niedrige Latenz auf dem Kunlunxin-P800-Beschleuniger: In vier Forschungsrunden stieg die Generierungsgeschwindigkeit auf 623,6 % der Ausgangsbasis, bei unverändertem Modell und Deployment-Setup.
  • Deterministische Inferenz auf GPUs: Der Durchsatz stieg um 33,7 %, die Zeit pro Ausgabetoken sank um 26 % und die Zeit bis zum ersten Token um 12 %, bei erhaltenem Determinismus.
  • Dekodierung einzelner Anfragen: 14,9 % schneller, bei unveränderter Genauigkeit.

Zum Kontext: Geekiki hatte bereits am 5. November berichtet, dass Baidu die Gewichte von ERNIE 5.5 Flash Base, einem Modell mit 280 Milliarden Parametern, geöffnet hat. ERNIE Evolve erscheint nun als das Forschungswerkzeug, das die Inferenz desselben Modells optimiert.

Was noch nicht bewiesen ist

Vorsicht ist angebracht. Die Ergebnisse sind von Baidu selbst berichtet: Das System bewertet sich selbst mit einem Evaluator, den das Unternehmen selbst gebaut hat, und das Modell, bei dem die größten Gewinne gemessen wurden – ERNIE-5.5-Flash – ist noch nicht öffentlich. Die Abstände bei öffentlichen Benchmarks sind klein, und Baidu hat weder offengelegt, welche Sprachmodelle die Agenten des Systems antreiben, noch die Rechenkosten des Suchprozesses. Der Fortschritt ist als Engineering-Demonstration real, beweist aber nicht, dass sich KI bereits ohne menschliche Aufsicht selbst verbessert – Baidu selbst betont, dass rekursive Selbstverbesserung unter menschlicher Kontrolle bleiben muss und unterbrechbar sein soll.

Quellen

Bildnachweis: Baidu-Hauptsitz in Peking, China. Foto: TechNews Taiwan.

Transparenz: Dieser Artikel wurde mit Unterstützung künstlicher Intelligenz erstellt und gleicht öffentliche Beiträge auf X sowie Quellen aus dem Internet ab. Bitte konsultieren Sie stets die oben aufgeführten Originalquellen.

Von Muse