論文・研究

EdgeBench:実世界環境から学習スケーリング則を明らかに

原題:EdgeBench: Unveiling Scaling Laws of Learning from Real-World Environments

AI 要約

ByteDance SeedチームはEdgeBenchを発表した。134の実世界タスクを含み、科学発見、ソフトウェアエンジニアリングなど6領域をカバーし、各タスクは少なくとも12時間の連続エージェント実行をサポートする。約38,000時間のインタラクションデータに基づき、総合性能と環境インタラクション時間が正確な対数S字スケーリング則(R²=0.998)に従うことを発見し、エージェントの学習速度は約3か月ごとに倍増する。51タスクと完全な評価フレームワークを公開済み。

要点

  • ByteDance SeedチームはEdgeBenchを発表した。
  • 134の実世界タスクを含み、科学発見、ソフトウェアエンジニアリングなど6領域をカバーし、各タスクは少なくとも12時間の連続エージェント実行をサポートする。
  • 約38,000時間のインタラクションデータに基づき、総合性能と環境インタラクション時間が正確な対数S字スケーリング則(R²=0.
  • 998)に従うことを発見し、エージェントの学習速度は約3か月ごとに倍増する。
  • 51タスクと完全な評価フレームワークを公開済み

概要

公開日時
更新日時
出典
字节 Seed:Research Papers(网页内嵌数据)
カテゴリ
論文・研究
AI スコア
74
原文を読む 情報源で全文を読む
おすすめの理由

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。

関連エンティティ

出典と著作権

本記事は AIHOT の公開 API が提供する厳選タイトルと AI 要約に基づいており、出典の明記と元記事へのリンクを行っています。原文の著作権は元の媒体と著者に帰属し、当サイトは全文を転載しません。

原文記事 · AIHOT 記事

引用方法

本記事を引用する際は、タイトル・日付・パーマリンクを保持し、出典をOrange Newsと明記してください。

Orange News:EdgeBench:実世界環境から学習スケーリング則を明らかに。2026年7月6日。https://new.nat6.net/ja/news/cmra57ei80146ihx8c551d8w6/

すべて見る →