字节跳动EdgeBench：评测AI智能体长达十小时的自我迭代能力
karminski3 · x · 2026-07-06
字节跳动Seed团队发布EdgeBench评测框架，专为考察AI智能体在真实可运行环境中长程（十数小时）自主迭代与改进的能力而设计，不同于单次任务评测，重点衡量智能体能否利用环境反馈、根据失败调整策略并持续提升表现。
测试者使用本地运行的35B-A3B模型（4bit量化），挑战经典Roguelike游戏DCSS命令行版本：任务是让Agent通过CodeX CLI编写Lua脚本Bot，在约70分钟内自动探索、战斗和下层。初始自动评分15.2分，经多轮迭代最高提升至33.4分，清晰展现了AI在长程任务中的真实学习轨迹。
所属事件:字节发布EdgeBench评测Agent长程迭代能力(4 条相关)→
「编程与Agent」频道最新
- 开发者用 GPT-6 Astra 搭配 Hyper3D Rodin 做出交互式 3D 产品展示 — nikola_mr64990 · 2026-09-11
- Codex 用户实测：Sol 搭配 Astra/Luna 子代理更省额度 — pvncher · 2026-09-11
- 开源 Agent Skill 2.3k 星:生成 MVP 蓝图并审计重构 agentic harness — tom_doerr · 2026-09-11
- Cognition SWE-2 用 KKT 对偶优化长度惩罚，一次 RL 推移 Pareto 曲线 — YouJiacheng · 2026-09-11
- 首届 Three.js 大会落地巴黎，AI 正缩短从想法到原型的距离 — OdinLovis · 2026-09-11
- 观点：Agent 真正的瓶颈是企业数据工程能力 — dhruv2038 · 2026-09-11