ระบบที่ไม่ได้แค่เขียนโค้ด แต่ต้องพิสูจน์ผล
ERNIE Evolve คือระบบวิจัยอัตโนมัติที่รับคลังโค้ด เป้าหมายการปรับปรุง และเกณฑ์วัดผล แล้วเลือกแนวทาง แก้ไขโค้ด และทดลองซ้ำเพื่อเก็บเฉพาะการเปลี่ยนแปลงที่ผ่านการประเมินและตรวจสอบ Baidu เปิดตัวระบบนี้เมื่อวันที่ 9 พฤศจิกายน 2026 โดยวางโจทย์ไว้ที่การพัฒนาโค้ดฝึกโมเดลและการประมวลผลอนุมาน AI จุดที่น่าสนใจไม่ใช่เพียงให้ AI สร้างโค้ด แต่ให้ระบบเดินตามวงจรการวิจัย ตั้งสมมติฐาน ลงมือทดสอบ แล้วตัดสินจากผลที่วัดได้ แนวทางนี้มีน้ำหนักกว่าการให้แบบจำลองเสนอคำตอบโดยไม่มีหลักฐานรองรับ แต่ก็ยังไม่ควรตีความว่า AI สามารถพัฒนาตัวเองได้โดยไร้การกำกับ เพราะการยอมรับผลขึ้นกับเกณฑ์และผู้ตรวจสอบที่มนุษย์กำหนดไว้
วงจรสองชั้นคัดทั้งแนวคิดและผลทดลอง
การทำงานแบ่งเป็นวงรอบเลือกทิศทางและวงรอบลงมือทดลอง ผู้อำนวยการระบบเลือกเวอร์ชันเริ่มต้นจากประสบการณ์เดิมกับฐานความรู้ ส่วนตัวเลือกจะหยิบสมมติฐานจากแขนงการวิจัยที่ทำงานขนานกัน จากนั้นตัวดำเนินการแก้โค้ดและรันการทดลองในสภาพแวดล้อมแยกส่วน ความล้มเหลวก็ถูกบันทึกไว้เพื่อลดการทำงานซ้ำในรอบถัดไป จุดคุมความเสี่ยงคือโปรแกรมประเมินที่ซ่อนจากเอเจนต์ ซึ่งกำหนดว่าผลดีขึ้นเกินระดับความคลาดเคลื่อนหรือไม่ และผู้ตรวจสอบอีกชั้นจะคัดการแก้ไขที่อาศัยช่องโหว่ของเกณฑ์วัดออก วิธีนี้ทำให้การปรับแต่งโมเดล AI เป็นกระบวนการที่ตรวจสอบได้มากกว่าการลองแก้โค้ดแบบสุ่ม แต่คุณภาพของข้อสรุปยังผูกกับการออกแบบตัวชี้วัด หากโจทย์วัดไม่ครอบคลุม ผลที่ระบบเลือกก็อาจไม่สะท้อนประโยชน์นอกโจทย์นั้น
ตัวเลขชนะบางเกณฑ์ แต่ไม่ใช่ทุกสนาม
ผลที่ Baidu รายงานดูมีสัญญาณบวกในงาน NanoChat และ NanoGPT โดยการฝึก NanoChat ห้านาทีบน B200 หนึ่งตัวได้ค่าบิตตรวจสอบความถูกต้องต่อไบต์ 0.8763 เทียบกับค่าเฉลี่ยอ้างอิง 0.887791 จากสิบค่าเริ่มต้น ส่วน NanoGPT Speedrun Track 1 ใช้ H100 แปดตัวและทำเวลาเฉลี่ย 38.92 วินาทีจาก 18 รอบ เทียบกับค่ามาตรฐาน 39.9 วินาที อีกตัวชี้วัดของ NanoGPT Track 3 ใช้ 2,590 ขั้นตอน เทียบกับ 2,690 ขั้นตอน อย่างไรก็ดี ภาพรวมไม่ได้เป็นการชนะทุกตัวชี้วัด: SOL-ExecBench ได้คะแนนเฉลี่ย 0.819 ขณะที่คะแนนนำอยู่ที่ 0.827 ข้อสรุปที่เหมาะสมจึงไม่ใช่ระบบทำลายสถิติทั้งหมด แต่เป็นการแสดงความสามารถในการค้นหาการปรับปรุงเฉพาะงาน ภายใต้เงื่อนไขทดลองที่กำหนดไว้
ผลอนุมานเด่น แต่ยังต้องแยกจากการใช้งานวงกว้าง
ในงานปรับปรุง ERNIE-5.5-Flash บน Kunlunxin P800 Baidu รายงานว่าอัตราการประมวลผลอนุมานแบบกำหนดผลลัพธ์แน่นอนสูงขึ้น 33.7% และความเร็วถอดรหัสสำหรับคำขอเดียวเพิ่มขึ้น 14.9% อีกทั้งระบุว่าหลังการวิจัยสี่รอบ ความเร็วในการสร้างสูงถึง 623.6% ของค่าฐาน ตัวเลขเหล่านี้ชี้ว่าระบบอาจช่วยลดภาระการค้นหาจุดปรับแต่ง แต่เป็นผลที่ผู้พัฒนารายงานจากงานเฉพาะ ไม่ใช่หลักฐานว่าผู้ใช้ทั่วไปจะได้รับประสบการณ์เร็วขึ้นในทุกสถานการณ์ พื้นฐานประสิทธิภาพส่วนใหญ่ผ่านการปรับแต่งโดยวิศวกรมาก่อน และการเปลี่ยนแปลงยังต้องผ่านการทดสอบโหลดกับการตรวจสอบความถูกต้องเช่นเดียวกับงานของวิศวกร นอกจากนี้ระบบยังไม่ได้เปิดให้สาธารณะใช้ และผลต่างบางเกณฑ์มีขนาดไม่มาก Baidu วางแผนนำวงจรนี้ไปปรับปรุงระบบฝึกโมเดล ก่อนให้ AI ใช้เมตริกความสามารถสร้างสมมติฐานและตรวจผลเอง โดยเป้าหมายระยะยาวคือให้ระบบระบุช่องว่างด้านความสามารถและพัฒนางานประเมินผล นั่นคือทิศทางที่น่าจับตา แต่การพิสูจน์ความน่าเชื่อถือยังต้องอาศัยการทดสอบซ้ำและการเปิดเผยผลที่ตรวจสอบได้






