Baidu lanza ERNIE Evolve, un agente de investigación de IA con automejora recursiva

El equipo de investigación ERNIE de Baidu publicó ERNIE Evolve el 9 de noviembre de 2026, un sistema de investigación autónomo que ejecuta bucles anidados, uno externo y otro interno, para proponer, implementar, evaluar y revisar mejoras a nivel de código en los propios modelos e infraestructura de Baidu dentro de entornos aislados.

Qué cambia ERNIE Evolve

• Un bucle externo elige las direcciones de investigación y un bucle interno desarrolla y prueba las mejoras, lo que permite al sistema realizar automejora recursiva (RSI) sobre el código de los modelos.
• El trabajo se divide en cinco roles: el Director elige la dirección usando un Experience Bank y una Knowledge Base, el Selector formula hipótesis, el Executor edita código en entornos aislados, el Evaluator mide la corrección en cargas de trabajo reales y el Reviewer verifica que no se manipulen las evaluaciones.
• Aplicado al modelo ERNIE-5.5-Flash, aún en desarrollo, produjo un aumento de rendimiento del 33,7% y una reducción del 26% en el tiempo por token en inferencia determinista en GPU.
• En los chips Kunlunxin P800 logró una mejora de velocidad del 623,6% para inferencia de baja latencia, además de una mejora del 14,9% en la velocidad de decodificación.
• En pruebas públicas alcanzó un BPB de validación de 0,8763 en NanoChat AutoResearch, llegó a la pérdida objetivo en 38,9 segundos en NanoGPT Speedrun Track 1, usó 2590 pasos en NanoGPT Speedrun Track 3 y obtuvo un SOL medio de 0,819 en SOL-ExecBench.

Qué significa para quienes construyen con IA

Es un ejemplo concreto y medido de un laboratorio de IA que deja a un agente operar directamente sobre su propio proceso de entrenamiento e inferencia, en lugar de limitarse a generar código de aplicaciones. Los resultados en los chips Kunlunxin P800, que no son de Nvidia, son relevantes para quienes siguen las herramientas de investigación agéntica y la optimización de inferencia.

Código abierto y próximos pasos

Baidu afirma que los resultados optimizados en las pruebas públicas se publicaron como código abierto en GitHub, mientras que las mejoras de inferencia en el mundo real ya están integradas en los sistemas de producción de ERNIE-5.5-Flash. Los planes declarados del equipo incluyen extender el sistema a la optimización de sistemas de entrenamiento y, con el tiempo, permitirle ayudar a diseñar sus propios benchmarks y conjuntos de evaluación, manteniendo la supervisión humana a medida que crece la capacidad de RSI.

Fuentes

• ERNIE Evolve (Baidu, 9 de noviembre de 2026, oficial)

Redactado con ayuda de IA, únicamente a partir de las fuentes indicadas arriba. Antes de publicarse, controles automáticos verificaron sus fechas, sus fuentes y todas sus versiones de idioma.