Статьи и исследования

EdgeBench: выявлен закон масштабирования обучения в реальных средах

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

ИИ-резюме

Команда Seed компании ByteDance выпустила EdgeBench — набор из 134 реальных задач в 6 областях, включая научные открытия и разработку ПО, причём каждая задача допускает непрерывную работу агента не менее 12 часов. На основе примерно 38 000 часов данных взаимодействия обнаружен точный логарифмический S-образный закон масштабирования общей производительности от времени взаимодействия со средой (R²=0,998), а скорость обучения агента удваивается примерно каждые три месяца. Опубликованы 51 задача и полная среда оценки.

Ключевые моменты

  • Команда Seed компании ByteDance выпустила EdgeBench — набор из 134 реальных задач в 6…
  • На основе примерно 38 000 часов данных взаимодействия обнаружен точный логарифмический S-образный…
  • Опубликованы 51 задача и полная среда оценки.

Кратко

Опубликовано
Обновлено
Источник
字节 Seed:Research Papers(网页内嵌数据)
Категория
Статьи и исследования
Оценка ИИ
74
Читать оригинал Читать полную статью в первоисточнике
Почему это важно

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。

Связанные сущности

Источник и авторские права

Статья основана на отобранных заголовках и ИИ-резюме из открытого API AIHOT с указанием источника и обратными ссылками. Авторские права на оригинал принадлежат исходным изданиям и авторам; сайт не воспроизводит полные тексты.

Оригинал статьи · Материал на AIHOT

Как цитировать

При цитировании сохраняйте заголовок, дату и постоянную ссылку, указывая источник: Orange News.

Orange News: EdgeBench: выявлен закон масштабирования обучения в реальных средах. 6 июля 2026. https://new.nat6.net/ru/news/cmra57ei80146ihx8c551d8w6/

Смотреть все →