एआई मॉडल और प्लेटफ़ॉर्म
Baidu का ERNIE Evolve कृत्रिम बुद्धिमत्ता अनुसंधान और इन्फ़रेंस अनुकूलन को स्वचालित करता है
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
Baidu ने 9 नवंबर, 2026 को ERNIE Evolve पेश किया। कंपनी ने बताया कि NanoChat और NanoGPT के तीन मेट्रिक्स पर इसके नतीजे सार्वजनिक तुलना के नतीजों से बेहतर रहे और ERNIE-5.5-Flash के एक नियतात्मक इन्फ़रेंस परीक्षण में थ्रूपुट 33.7% अधिक रहा। यह स्वचालित अनुसंधान प्रणाली शोध की दिशाएँ चुनती है, कृत्रिम बुद्धिमत्ता का कोड संपादित करती है और अलग-अलग मूल्यांकन तथा समीक्षा में सफल होने वाले सुधारों को ही बनाए रखती है।
घोषणा में विकासाधीन ERNIE-5.5-Flash के लिए इन्फ़रेंस इंजीनियरिंग पर चल रहे काम का भी उल्लेख है। इस प्रणाली की भूमिका कोड लिखने तक सीमित नहीं है: यह शोध के विषय चुनती है, परीक्षण चलाती है और बाद के चरणों को दिशा देने के लिए विफलताओं और सफलताओं, दोनों का उपयोग करती है।
स्वतंत्र जाँचों वाला अनुसंधान चक्र
किसी कोड रिपॉज़िटरी, अनुकूलन के लक्ष्य और मूल्यांकन के मानदंड मिलने पर ERNIE Evolve कोड में बदलाव करता है और अलग-थलग परिवेशों में प्रयोग चलाता है। बाहरी चक्र का निदेशक पिछले प्रयोगों के अनुभव-संग्रह और शोधपत्रों, मुक्त-स्रोत कोड तथा क्षेत्र-विशेष के ज्ञान के ज्ञान-आधार का उपयोग करके दिशा और शुरुआती संस्करण चुनता है। समानांतर पथों में संभावित संस्करणों के वृक्ष होते हैं; हर पथ में चयनकर्ता एक संभावित संस्करण और परिकल्पना चुनता है, जबकि निष्पादक बदलाव लागू करता है।
स्वीकृति एक निश्चित मूल्यांकनकर्ता और अलग समीक्षक पर निर्भर करती है। मूल्यांकनकर्ता रिपॉज़िटरी से बाहर रहता है, एजेंटों को दिखाई नहीं देता, दायरे से बाहर के बदलावों को शामिल नहीं करता और शोर की सीमा से अधिक सुधार की माँग करता है। समीक्षक जाँचता है कि काम अनुसंधान की दिशा के अनुरूप है या नहीं और मूल्यांकन की खामियों का फ़ायदा उठाने वाले प्रयासों को ख़ारिज करता है। तय दिशा से हटने वाले संभावित संस्करण सर्वश्रेष्ठ संस्करण नहीं बन सकते।
सार्वजनिक मानक-परीक्षणों के नतीजे और जारी किया गया कोड
Baidu ने अपने मूल्यांकन में इस्तेमाल किए गए सार्वजनिक तुलना-नतीजों के मुकाबले ये परिणाम बताए हैं:
| कार्य और शर्तें | मेट्रिक | ERNIE Evolve | सार्वजनिक तुलना |
|---|---|---|---|
| NanoChat AutoResearch, एक B200 पर पाँच मिनट का प्रशिक्षण | सत्यापन बिट प्रति बाइट; कम होना बेहतर है | 0.8763 | 10 सीड में औसत 0.887791 |
| NanoGPT Speedrun Track 1, आठ H100 GPU | 3.28 FineWeb सत्यापन हानि तक पहुँचने में लगा समय; कम होना बेहतर है | 18 बार के परीक्षण में 38.92 सेकंड | 39.9 सेकंड |
| NanoGPT Speedrun Track 3, डेटा, बैच आकार और आर्किटेक्चर स्थिर | 3.28 FineWeb सत्यापन हानि तक पहुँचने के चरण; कम होना बेहतर है | आठ बार के परीक्षण में 2,590 | आठ बार के परीक्षण में 2,690 |
| SOL-ExecBench, कर्नेल की 235 समस्याएँ | विश्लेषणात्मक B200 अधिकतम-प्रदर्शन सीमा की तुलना में औसत सैद्धांतिक अधिकतम-गति स्कोर; अधिक होना बेहतर है | 0.819 | 0.827 का अग्रणी स्कोर |
NanoChat पर ERNIE Evolve ने न्यूरल नेटवर्क के साथ अनुमान की दो शाखाएँ जोड़ीं: एक प्रशिक्षण कॉर्पस के एन-ग्राम आँकड़ों का उपयोग करती है, जबकि दूसरी मेल खाते दस्तावेज़ खोजकर उनकी अगली कड़ियों के आधार पर अनुमान लगाती है। एक प्रशिक्षित गेट, टोकन की पिछली स्थितियों में हर शाखा के प्रदर्शन के आधार पर दोनों के मिश्रण को समायोजित करता है।
परिणामों की रिपॉज़िटरी में अंतिम कोड और मापन लॉग प्रकाशित किए गए हैं। हर लॉग में चलाया गया कोड शामिल है या उसकी पहचान SHA-256 से दी गई है। इसमें SOL-ExecBench के सात कर्नेल आर्टिफ़ैक्ट सूचीबद्ध हैं, जिनके स्कोर 0.6669–0.9920 हैं; NVIDIA की कार्य-परिभाषाएँ और कार्यभार डेटा दोबारा वितरित नहीं किए गए हैं।
SOL-ExecBench वाली पंक्ति समग्र नतीजों की सीमा स्पष्ट करती है: ERNIE Evolve सूचीबद्ध हर मेट्रिक में सबसे आगे नहीं रहा, हालाँकि उस कार्य पर Baidu की तुलना में वह Recursive और Hyra-1.0 से आगे है।
ERNIE-5.5-Flash के लिए इन्फ़रेंस अनुकूलन
Baidu ने ERNIE Evolve का उपयोग Kunlunxin P800 पर कम-विलंबता वाले इन्फ़रेंस, GPU पर नियतात्मक इन्फ़रेंस थ्रूपुट और एकल-अनुरोध डिकोडिंग की गति के लिए किया। अधिकतर आधार-स्तरीय प्रणालियों को इंजीनियर पहले ही अनुकूलित कर चुके थे, और बदलावों को इंजीनियरों द्वारा प्रस्तुत काम जैसे ही लोड-परीक्षणों और शुद्धता-जाँचों में सफल होना था।
Kunlunxin P800 पर Baidu के अनुसार, अनुसंधान के चार दौरों से जनन की गति आधार स्तर की 623.6% तक पहुँची और शुद्धता-जाँचें भी सफल रहीं; मॉडल और परिनियोजन व्यवस्था में कोई बदलाव नहीं किया गया। शुरुआती दौरों में फ़्यूज़्ड मैनिफ़ोल्ड-कंस्ट्रेन्ड हाइपर-कनेक्शन और स्पेक्युलेटिव डिकोडिंग सक्षम की गई, फिर होस्ट-साइड शेड्यूलिंग और सिंक्रनाइज़ेशन का अतिरिक्त समय घटाया गया। चौथे दौर में डिस्पैच संबंधी सुधार से DeepEP का कम-विलंबता वाला पथ सक्षम हुआ।
सुदृढीकरण-अधिगम प्रशिक्षण के लिए नियतात्मक कार्य में यह ज़रूरी था कि बैच की संरचना चाहे जो हो, जनित टोकन और लॉग-प्रायिकताएँ बिट-दर-बिट समान रहें और पूरे अनुक्रम की पुनर्गणना से मेल खाएँ। SGLang का नियतात्मक मोड, रिडक्शन का क्रम तय करके इन ज़रूरतों को पूरा करता है, लेकिन इससे GPU का उपयोग सीमित होता है। Baidu के अनुसार, लगभग तीन दिनों के बाद इस काम से प्रति आउटपुट टोकन का औसत समय 26% और पहले टोकन तक पहुँचने का समय 12% घटा, जबकि नियतात्मकता बनी रही। सबसे बड़ा एकल सुधार नियतात्मक सैंपलिंग की जगह Triton कर्नेल का उपयोग करने से आया। नियतात्मक सैंपलिंग हर चरण में GPU के लगभग 14% समय का उपयोग करती थी, जबकि यह कर्नेल शब्दावली के खंडों को समानांतर रूप से संसाधित करता है।
एकल-अनुरोध GPU डिकोडिंग में, Baidu के अनुसार, पहले से इंजीनियरों द्वारा अनुकूलित सेवा की तुलना में गति 14.9% बढ़ी और सटीकता अपरिवर्तित रही। शोध की सात दिशाओं में से तीन से लाभ हुआ। इनमें आठ से कम इनपुट पंक्तियों वाले FP8 मैट्रिक्स गुणन के लिए मूल FP16 निर्देशों का उपयोग करना और विशेषज्ञों को क्रमवार स्कैन करने की जगह दो-स्तरीय मिक्सचर-ऑफ-एक्सपर्ट्स शेड्यूलर का इस्तेमाल करना शामिल था।
इन परीक्षणों से मॉड्यूल और नियतात्मकता संबंधी अधिक कड़ी बाधाएँ भी सामने आईं। मापन में शोर का स्तर अलग-अलग सुधारों के बराबर था, और परीक्षण के परिवेशों में अनुमान इंजन, कर्नेल लाइब्रेरी, हार्डवेयर प्लग-इन और सेवा शुरू करने वाली स्क्रिप्ट शामिल थीं। कुछ उपयोगी बदलाव शोर के स्तर से भी छोटे थे, इसलिए किसी बदलाव को उपयोगी साबित करने के लिए अलग-अलग कर्नेल के मापन के बजाय शुरू से अंत तक लोड परीक्षणों में उसका मूल्य दिखाना ज़रूरी था।
Baidu की योजना इस चक्र को प्रशिक्षण-प्रणाली के अनुकूलन पर लागू करने और फिर स्वचालित परिकल्पना निर्माण, प्रयोग की रूपरेखा तैयार करने और सत्यापन को दिशा देने के लिए मॉडल-क्षमता मापदंडों का उपयोग करने की है। कंपनी का दीर्घकालिक लक्ष्य है कि AI क्षमता की कमियों की पहचान करे और मूल्यांकन कार्य तैयार करके उन्हें परिष्कृत करे।
कंपनी का कहना है कि पुनरावर्ती आत्म-सुधार मनुष्यों के नियंत्रण में और बीच में रोके जा सकने योग्य होना चाहिए। इसके लिए लक्ष्यों, अनुमतियों और संसाधनों की स्पष्ट सीमाएँ तय होनी चाहिए, साथ ही सुरक्षा का लगातार मूल्यांकन और मानवीय निगरानी भी होनी चाहिए। तयशुदा इंजीनियरिंग मापदंडों से आगे बढ़कर मॉडल की क्षमताओं और बेंचमार्क की रूपरेखा पर ध्यान देने से यह तय करने में मूल्यांकन और निगरानी के ये नियंत्रण केंद्रीय हो जाते हैं कि शोध चक्र का विस्तार कितनी दूर तक किया जा सकता है।
