EdgeBench: 실제 환경에서 학습 스케일링 법칙 규명
원제목:EdgeBench: Unveiling Scaling Laws of Learning from Real-World Environments
AI 요약
바이트댄스 Seed 팀이 과학적 발견, 소프트웨어 엔지니어링 등 6개 영역의 134개 실제 세계 작업으로 구성된 EdgeBench를 발표했다. 각 작업은 최소 12시간의 연속 에이전트 실행을 지원한다. 약 38,000시간의 상호작용 데이터를 바탕으로 전체 성능과 환경 상호작용 시간이 정밀한 로그 S자 스케일링 법칙(R²=0.998)을 따르며 에이전트 학습 속도가 약 3개월마다 두 배로 증가함을 발견했다. 51개 작업과 전체 평가 프레임워크를 공개했다.
핵심 정보
- 바이트댄스 Seed 팀이 과학적 발견,소프트웨어 엔지니어링 등 6개 영역의 134개 실제 세계 작업으로 구성된 EdgeBench를 발표했다.
- 각 작업은 최소 12시간의 연속 에이전트 실행을 지원한다.
- 약 38,000시간의 상호작용 데이터를 바탕으로 전체 성능과 환경 상호작용 시간이 정밀한 로그 S자 스케일링 법칙(R²=0.
- 998)을 따르며 에이전트 학습 속도가 약 3개월마다 두 배로 증가함을 발견했다.
- 51개 작업과 전체 평가 프레임워크를 공개했다.
한눈에 보기
- 게시
- 업데이트
- 카테고리
- 논문 및 연구
- AI 점수
- 74
추천 이유
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。
출처 및 저작권
이 기사는 AIHOT 공개 API가 제공하는 선별 제목과 AI 요약을 바탕으로 하며, 출처를 밝히고 원문으로 연결합니다. 원문 저작권은 원 미디어와 저자에게 있으며, 본 사이트는 전문을 전재하지 않습니다.
인용 방법
본문을 인용할 때는 제목, 날짜, 영구 링크를 유지하고 출처를 Orange News(으)로 표기해 주세요.
Orange News: EdgeBench: 실제 환경에서 학습 스케일링 법칙 규명. 2026년 7월 6일. https://new.nat6.net/ko/news/cmra57ei80146ihx8c551d8w6/