EdgeBench 評測集衡量真實世界環境學習並揭示新的 Scaling Law

字節 Seed 發佈 EdgeBench，這個涵蓋 134 個真實任務的超長程評測集用來衡量 Agent 在真實環境中的持續學習。約 38,000 小時的環境互動結果顯示，Agent 整體表現符合高精度 log-sigmoid 曲線，平均 R² 達 0.998。在當時表現最領先的一批模型中，環境學習速度接近每三個月翻一倍；EdgeBench 已開源其中 51 個任務及完整評測框架。