让 AI 自己搞研究，这话以前多半停在演示阶段。百度文心团队这次把它做成了系统：ERNIE Evolve，一个自动研究系统，核心是一套双层循环——外层挑研究方向，内层反复做实验迭代。它不负责替人写论文，而是把研究流程本身拆成可调度的模块，让机器自己决定下一步往哪走。
五个角色各管一段。Director 把握全局目标，Selector 决定下一轮试哪个方向，Executor 负责真正跑实验，Evaluator 判断结果值不值得留，Reviewer 做最后复核。听着像把一个小型研究组塞进流水线，关键差别在于循环是闭合的：评估和复核的结论会回灌给 Selector，方向选择不是一次拍板，而是持续修正。这个设计让系统能在试错中收敛，而不是沿着一条预设路径硬走到底。
官方给出的证据分两类：公开榜单上的成绩，以及生产级推理优化任务中的实际收益。后者更值得琢磨。研究系统如果只在 benchmark 上好看，价值有限；能落到线上推理优化这种有硬约束的工程问题里，说明它处理的不是玩具任务。ERNIE Evolve 的野心不在写摘要，而在把“提出假设、验证、淘汰”这套动作自动化。至于这套循环能不能撑起更开放的研究，还得看它接下来交出什么。
