字节跳动推出超长程评测集 EdgeBench

字节跳动Seed团队推出超长程评测集EdgeBench，用于衡量AI Agent在真实世界环境中的持续学习能力。评测集包含134个真实任务，覆盖科学、软件工程、知识工作等六大领域，每个任务支持12小时以上连续运行。研究发现，Agent在环境交互中的学习轨迹遵循高精度log-sigmoid曲线，且前沿模型的学习速度每三个月翻一倍。