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
- 用 $28 算力让模型给自己造 copilot：他的新模型个人基准 — bucolucas · 2026-10-27
- Agent 中途改计划该被允许吗：真实系统介入时的边界之辩 — wistfulcracker84 · 2026-10-27
- HeyGen 联手 Canva:幻灯片讲者备注自动变数字人讲解视频 — HeyGen · 2026-10-27
- 隐私场景实测：本地 Qwen 3.8 FN 不输云端前沿模型还更快 — dr_lm · 2026-10-27
- Cloudflare Computer 支持 agent 中断恢复，可跳过已完成的非幂等请求 — irvinebroque · 2026-10-27
- LLM Tails 实测省 80% 输入 token：先读后写约束 agent 编码 — savadks1818 · 2026-10-27