字节Seed团队发布EdgeBench超长程评测集

一套名为EdgeBench的基准测试发布了。它专门用来衡量智能体在真实世界里持续学习的能力，由字节跳动Seed团队构建。

EdgeBench收录了134个真实任务，覆盖六大领域。每个任务都要求智能体连续工作至少12小时。研发团队累计采集了大约3.8万小时的交互数据，目的就是打破短时评测的局限，看看智能体在复杂、动态环境中长期表现到底如何。

团队在研究中发现了一个非常规整的规律：智能体在环境学习中的表现，沿着一条log-sigmoid曲线走，拟合优度（R?）达到0.998。也就是说，学习过程有极强的可预测性。

另一个发现是，从2025年9月到2026年5月，前沿模型的学习速度差不多每三个月就翻一番。

目前，EdgeBench已向开发者社区开源了其中51个任务，以及完整的评测框架。这项工作仍处于学术探索阶段，但它头一次把长程环境学习的规律用量化方式描述了出来。对AI研究者来说，这相当于多了一把衡量模型能力的硬尺子，也给未来怎么提升智能体的环境适应性和学习效率提供了一个方向。