一句话总结：百度披露的 ERNIE Evolve 已经在给 ERNIE 5.5 Flash 做推理优化，这是递归自我改进第一次真正进产线。选这个场景不是保守，是它同时满足可验证、可回滚、收益确定三个条件。换成让 AI 设计新模型，三个条件一个都不成立。
11 月 9 日，百度说内部自动化研究系统 ERNIE Evolve 已投入实际使用，第一项落地任务是推理优化，在 NanoChat AutoResearch 和 NanoGPT Speedrun 两个测试上取得当前最优。同一天开源 ERNIE 5.5 Flash Base，一个 280B 的混合专家模型。
递归自我改进（RSI）过去主要活在论文和安全讨论里。这次不一样的地方在于：它接上了一条真实产线。
为什么 RSI 的第一步选推理优化
推理优化这个活，有几个别的任务没有的性质。
目标可以写成数字。 延迟多少毫秒、吞吐多少 token 每秒、显存占多少，全是可测量的。系统改完一个方案，跑一遍基准就知道好坏，不需要人来判断"这个代码写得好不好看"。
反馈周期短。 改一个算子，编译跑一遍，几分钟就有结果。要是让系统去设计一个新模型架构，训练一轮就得好几天，几周才知道行不行。
错了可以退回。 优化方案是独立可替换的模块，改坏了把上一个版本换回来，服务继续跑。模型训练没有这个选项：训崩了就是几百万美元和几周时间。
这三条放在一起，构成的不是"简单"，是"可自动化"。一个循环要能自主转起来，每一圈都必须有确定的评价信号和可承受的失败成本。
三个特性让验证能自动跑起来
我把它画成一道闸门：
图 1：候选方案要过三道闸才能进产线，任何一道不过就退回
第一道是离线基准。 方案在测试集上跑，指标不升直接扔掉。淘汰率在这里最高，也最便宜，不用碰生产环境。
第二道是小流量灰度。 测试集涨了不代表线上涨。真实流量的输入分布和测试集差得远，长度分布、并发模式、cache 命中率都不一样。
第三道是可回滚上线。 通过了前两道，还要能随时退。这一步决定了系统敢放多大的权限给它。
三道闸的设计本身不新鲜，工程上早就有。新的是把"提出方案"这一步也交给了模型：以前这三道闸前面站着一个人，现在站在前面的是另一个模型。
递归自我改进的天花板在哪
三道闸能过滤掉坏方案，但过滤不掉"局部最优"。
推理优化有个理论极限：给定硬件和模型结构，能压的延迟和能提的吞吐是有上界的。ERNIE Evolve 在这条线上能走多远，取决于还剩多少空间，而不是它有多聪明。
一旦把这层的收益榨干，系统要往上走就得碰结构，比如改层数、改注意力、改专家路由。而这些改动的评价周期马上从几分钟变成几周，可回滚性也没了。这是我判断它暂时不会迈过去的原因，也是所有 RSI 路线共同的门槛。
之前的两个样本可以对照着看：Hy4 训出的 Jev 走的是"小模型在大沙盒里自我改进"，Naive-N0.5-Flash 走的是"用 AI 研发 AI 的推理引擎"，151 轮实验换一个内核。三个案例的共同点是：都从有确定指标的子任务切入，没有一个是直接让 AI 造模型。
280B 基座里的标识串
同一天开源的 ERNIE 5.5 Flash Base 是 280B 的混合专家模型，有个细节值得记一下：权重文件里带有司法辖区与署名标识串。
这个做法在国内厂商里还不常见。它把"这个权重从哪来、受哪套规则管"写进了文件本身，而不是靠许可证文本约定。对下游使用者是好事，溯源清楚了；对重新分发的人则是约束，标识串不好删，删了就是明着违反许可。
至于这个基座和 Evolve 的关系，官方没说 Evolve 优化的是不是就是这一版的推理实现。按时间线推测大概率是，但这是推测，我没找到明确说法。
参考资料
- 参考资料
发表评论
◎欢迎参与讨论，请在这里发表您的看法、交流您的观点。