字节跳动发布EdgeBench：检验AI agent能否凭经验变强
rohanpaul_ai · x · 2026-07-06
本期newsletter重点提及字节跳动发布的EdgeBench基准，用于衡量AI agent是否会随经验积累而提升表现。同期还收录了《衡量人类与LLM研究想法的差距》论文、Gym-Anything(把任意软件变成agent环境)以及HBR关于企业仓促上AI反而做错工作的观点。
「研究」频道最新
- EMNLP Oral 论文：免训练 KV 缓存驱逐实现 10 倍内存压缩 — yuz9yuz · 2026-10-27
- ICML 2026立场论文:别把中间token叫「思考轨迹」 — rao2z · 2026-10-27
- forking 收官：probe gap 随上下文频率呈幂律，掩蔽低频 n-gram 可缩小差距 — ZimingLiu11 · 2026-10-27
- 「forking」机制拆解：n-gram 表把 logits 切成互不干扰的子空间 — ZimingLiu11 · 2026-10-27
- 被称最佳 LoRA 讲解视频：从几何直觉讲到任务内在维度 — sophiamyang · 2026-10-27
- 不改一个权重，机器人精度任务从 0/10 提到 9/10 — hbouammar · 2026-10-27