EdgeBench:真实世界环境中学习的扩展定律
ByteDance-Seed · hf · 2026-07-07
字节跳动 Seed 团队对约3.8万小时真实世界 agent 交互数据进行分析,覆盖134项多样任务,发现性能呈 log-sigmoid 扩展定律,且学习速度有指数级提升,揭示真实环境学习的扩展规律。
所属事件:字节发布EdgeBench评测Agent长程迭代能力(4 条相关)→
「研究」频道最新
- 论文实测:推理模型几乎无法控制自己的思维链 — tomekkorbak · 2026-10-27
- Eric Topol 质疑前沿模型研究:持续技能提升的证据何在 — EricTopol · 2026-10-27
- 新论文:数据配比与学习率调度必须联合设计 — jasondeanlee · 2026-10-27
- 学术研究如何真正被采用:选重要问题、做好 eval、易用性决定影响力 — srchvrs · 2026-10-27
- 苦涩教训第二弹:能产生影响的学术发明很少,发表场所并不关键 — srchvrs · 2026-10-27
- 入学一周即当上 ARR 审稿 Area Chair,学者吐槽评审乱象 — anmarasovic · 2026-10-27