EdgeBench revela leyes de escalado del aprendizaje desde entornos del mundo real
Título original:EdgeBench: Unveiling Scaling Laws of Learning from Real-World Environments
Resumen de IA
El equipo Seed de ByteDance lanzó EdgeBench, con 134 tareas del mundo real que abarcan 6 dominios como descubrimiento científico e ingeniería de software, y cada tarea admite al menos 12 horas de ejecución continua de agentes. A partir de unos 38000 horas de datos de interacción, se encontró que el rendimiento global sigue una ley de escalado logarítmica en forma de S precisa respecto al tiempo de interacción con el entorno (R²=0,998), y que la velocidad de aprendizaje de los agentes se duplica aproximadamente cada tres meses. Se han publicado 51 tareas y el marco de evaluación completo.
Puntos clave
- El equipo Seed de ByteDance lanzó EdgeBench,con 134 tareas del mundo real que abarcan 6 dominios…
- A partir de unos 38000 horas de datos de interacción,se encontró que el rendimiento global sigue…
- Se han publicado 51 tareas y el marco de evaluación completo.
Resumen rápido
- Publicado
- Actualizado
- Categoría
- Artículos e investigación
- Puntuación IA
- 74
这篇论文首次量化了智能体在134个长周期真实任务中从环境学习的性能曲线,发现log-sigmoid缩放定律精确度极高,且学习速度约每三个月翻倍。对于正在设计长期自主agent的团队,这是一份必须看的底层规律报告。
Entidades relacionadas
Fuente y derechos
Este artículo se basa en títulos seleccionados y resúmenes de IA de la API pública de AIHOT, con atribución y enlaces de vuelta. Los derechos del original pertenecen a los medios y autores originales; este sitio no reproduce textos completos.
Cómo citar
Al citar este artículo, conserva el título, la fecha y el enlace permanente, e indica que la fuente es Orange News.
Orange News: EdgeBench revela leyes de escalado del aprendizaje desde entornos del mundo real. 6. julio 2026. https://new.nat6.net/es/news/cmra57ei80146ihx8c551d8w6/