字节跳动旗下Seed团队近日推出名为EdgeBench的超长程评测集，旨在评估AI Agent在真实世界环境中的持续学习表现。该评测集涵盖科学研究、软件工程、知识工作等六大领域，包含134个真实任务场景，每个任务可支持12小时以上的连续运行。研究结果显示，AI Agent在与环境交互过程中的学习轨迹符合高精度log-sigmoid曲线特征，且当前前沿模型的学习速度呈现每三个月翻一番的增长趋势。
字节跳动旗下Seed团队近日推出名为EdgeBench的超长程评测集，旨在评估AI Agent在真实世界环境中的持续学习表现。该评测集涵盖科学研究、软件工程、知识工作等六大领域，包含134个真实任务场景，每个任务可支持12小时以上的连续运行。研究结果显示，AI Agent在与环境交互过程中的学习轨迹符合高精度log-sigmoid曲线特征，且当前前沿模型的学习速度呈现每三个月翻一番的增长趋势。