字节Seed团队近日发布超长程智能体评测集EdgeBench，用于衡量Agent在真实世界环境中的持续学习能力。该基准包含134个覆盖六大领域的真实任务，要求智能体单任务持续工作至少12小时，构建过程中累计采集约3.8万小时交互数据。研究显示，智能体环境学习表现符合高精度log-sigmoid曲线，R²达0.998；2025年9月至2026年5月，前沿模型学习速度约每三个月翻倍。目前EdgeBench已开源51个任务及完整评测框架。
字节Seed团队近日发布超长程智能体评测集EdgeBench，用于衡量Agent在真实世界环境中的持续学习能力。该基准包含134个覆盖六大领域的真实任务，要求智能体单任务持续工作至少12小时，构建过程中累计采集约3.8万小时交互数据。研究显示，智能体环境学习表现符合高精度log-sigmoid曲线，R²达0.998；2025年9月至2026年5月，前沿模型学习速度约每三个月翻倍。目前EdgeBench已开源51个任务及完整评测框架。