EdgeBench 论文揭示 Agent 环境学习遵循对数 Sigmoid 缩放定律

rohanpaul_ai · x · 2026-08-29

论文《EdgeBench: Unveiling Scaling Laws of Learning from Real-World Environments》分析了约 38,000 小时的 Agent 交互数据。研究发现，Agent 在真实环境中的整体学习性能遵循高精度的对数 Sigmoid 缩放定律（R² = 0.998），且学习速度大约每三个月翻倍。EdgeBench 包含 134 个超长视界任务，涵盖科学发现、软件工程、形式数学等领域。