首页字节跳动Seed发布EdgeBench基准测试，旨在重新定义智能体进化指标
随着人工智能的飞速发展，衡量智能体在真实世界场景中持续学习的成效已成为研究人员和业界共同关注的重点。字节跳动Seed团队近期推出了“EdgeBench”——一项长期基准测试，为该研究领域提供了新的量化标准。
EdgeBench的核心优势在于其强调在真实世界环境中的学习。该基准包含横跨六个领域的134项任务，每项任务都要求智能体持续运行至少12小时。这种设计通过更真实地模拟智能体在复杂、动态环境中长时间的表现，克服了短期评估的局限性。 该团队收集了约38,000小时的交互数据，以此构建了这一严谨的测试框架。
研究结果揭示了一个显著规律：智能体的环境学习表现紧密遵循对数-S型曲线，R²值高达0.998。这表明学习过程具有高度规律性。 此外，2025年9月至2026年5月的数据表明，最先进模型的学习速度显著提升，每三个月翻一番。
EdgeBench 已向开发者开源了 51 项任务及其完整的评估框架。尽管仍处于学术探索阶段，但它是首个能够定量描述长期环境学习模式的基准测试。 对于人工智能研究人员而言，这些模式不仅提供了评估模型性能的具体指标，也为未来提升智能体的环境适应能力和学习效率提供了指导。
相关文章
携程商务旅行推出人工智能生态系统，涵盖7家行业服务商和17项核心功能
携程商务旅行正式推出“携程商务旅行AI生态系统”，利用大型语言模型从根本上重构企业差旅管理。 这一综合性生态系统涵盖四大核心场景：差旅安排、差旅管理、采购及能力共享。该生态系统推出了七个专业AI助手，分别负责差旅问答、行程预订、审批、数据洞察、合规风险控制、财务结算及资源采购，标志着行业正从数字化管理向自动化、AI助手驱动的时代转型。从战略层面看，携程商务旅行业务采取开放的“打破壁垒”策略，通过开
随着AI模型路由技术势头渐增，Stripe将收购OpenRouter
Stripe 已同意收购 OpenRouter——这是一家人工智能模型路由平台，可让开发者通过单一接口访问数百种模型。此项收购将模型选择和路由功能融入 Stripe 现有的 AI 应用及基于令牌的计费业务中。据 Stripe 称，OpenRouter 支持来自 80 多家提供商的 400 多个模型。开发者无需与每个模型提供商分别进行集成，只需通过 OpenRouter 借助一个 API 即可发送请
前OpenAI研究员巴雷特·佐夫重返谷歌，助力Gemini的开发
巴雷特·佐夫（Barret Zoph）此前因与Thinking Machines Lab首席执行官米里亚姆·穆拉拉蒂（Miriam Mularati）意见不合而突然离职并加入OpenAI，如今他再次更换了雇主。Alphabet旗下的谷歌宣布，佐夫将回归担任研究副总裁，将其在强化学习和后训练方面的专业知识带入Gemini团队。“旋转门”式研究人员的职业循环佐夫的职业生涯是人工智能人才流动的典型例证。
相关专题推荐
设计与艺术
顶级AI插画工具：更快地创作编辑类场景和封面插图
2026年最新高评分AI插画工具：我们精心挑选的这份清单汇集了功能强大的顶级工具，助您快速创作令人惊艳的编辑场景和引人注目的封面艺术。每款工具都经过了严格的实际测试，并提供了免费版与付费版的对比，帮助您找到最适合您工作流程的工具。 立即尝试这些必试解决方案，释放您的AI优势，提升创作效率。立即访问 XIX.AI 探索更多。
10 个工具
xix.ai
教育与学习
备考首选的顶尖AI辅导老师：练习数学、科学和英语
2026年最新、评分最高的考试备考AI辅导工具现已登陆XIX.AI！我们精心筛选的这份清单汇集了多款功能强大、颠覆传统的工具，提供免费与付费版本的对比、实际测试以及每周更新的排行榜。它们能帮助你提升写作效率、简化复杂主题的学习，并释放你的学术潜能。 立即探索，发现最适合您的备考工具，今天就开始创作，释放您的AI优势！
10 个工具
xix.ai
金融
用于个人财务管理的 AI 预算规划工具
2026 年最新最佳顶级评分 AI 预算规划工具，专为个人财务管理打造，现已登陆 XIX.AI！本精选合集收录了强大且具颠覆性的解决方案，助您开展实际测试、理解消费习惯，并制定个性化计划以提升生产力。享受免费与付费版的对比及详细排名。这些必试工具旨在简化财务管理，助您释放 AI 优势。立即探索！
11 个工具
xix.ai
健康养生
AI睡眠追踪助手：通过养成更好的睡前习惯来促进身体恢复
2026年最新精选高评分AI睡眠追踪助手，助您实现最佳恢复效果。这份全面更新的每周指南汇集了强大的工具，提供实际测试结果、免费与付费版本对比以及详细排名，助您找到必试的解决方案，从而提升睡眠质量并养成更好的就寝习惯。 立即访问 XIX.AI，解锁您的AI优势。
10 个工具
xix.ai
数据分析
用于产品和收入分析的 AI SQL 辅助工具
2026年最新、最受欢迎、评分最高的AI SQL辅助工具，助力产品与营收分析！ XIX.AI 精心遴选了一系列功能强大、颠覆性的必试工具，这些工具均经过每周更新的排名体系进行实战测试。它们能通过加速数据分析、简化复杂查询并生成精准洞察，帮助用户显著提升工作效率，从而推动更明智的商业决策。立即探索，发现最适合您的工具，释放您的AI优势！
14 个工具
xix.ai
教育与学习
最佳的、兼具教学功能的AI作业助手：学习概念，而不仅仅是答案
2026年最新最佳高评分AI作业助手：不仅提供答案，更传授核心概念。专为学生打造的强大工具，精选必试清单，每周更新，免费与付费版本对比，真实使用测试，精准排名，助您充分释放学习潜能。立即探索，发现最适合您的工具，让学习更高效。
10 个工具
xix.ai
评论 (1)
0/500
![JackMitchell]()
So ByteDance thinks yet another benchmark will fix the agent evaluation problem? EdgeBench sounds cool but I wonder if it's just another lab test that doesn't reflect messy real-world scenarios. 🤔
随着人工智能的飞速发展，衡量智能体在真实世界场景中持续学习的成效已成为研究人员和业界共同关注的重点。字节跳动Seed团队近期推出了“EdgeBench”——一项长期基准测试，为该研究领域提供了新的量化标准。
EdgeBench的核心优势在于其强调在真实世界环境中的学习。该基准包含横跨六个领域的134项任务，每项任务都要求智能体持续运行至少12小时。这种设计通过更真实地模拟智能体在复杂、动态环境中长时间的表现，克服了短期评估的局限性。 该团队收集了约38,000小时的交互数据，以此构建了这一严谨的测试框架。
研究结果揭示了一个显著规律：智能体的环境学习表现紧密遵循对数-S型曲线，R²值高达0.998。这表明学习过程具有高度规律性。 此外，2025年9月至2026年5月的数据表明，最先进模型的学习速度显著提升，每三个月翻一番。
EdgeBench 已向开发者开源了 51 项任务及其完整的评估框架。尽管仍处于学术探索阶段，但它是首个能够定量描述长期环境学习模式的基准测试。 对于人工智能研究人员而言，这些模式不仅提供了评估模型性能的具体指标，也为未来提升智能体的环境适应能力和学习效率提供了指导。
携程商务旅行推出人工智能生态系统，涵盖7家行业服务商和17项核心功能
携程商务旅行正式推出“携程商务旅行AI生态系统”，利用大型语言模型从根本上重构企业差旅管理。 这一综合性生态系统涵盖四大核心场景：差旅安排、差旅管理、采购及能力共享。该生态系统推出了七个专业AI助手，分别负责差旅问答、行程预订、审批、数据洞察、合规风险控制、财务结算及资源采购，标志着行业正从数字化管理向自动化、AI助手驱动的时代转型。从战略层面看，携程商务旅行业务采取开放的“打破壁垒”策略，通过开
随着AI模型路由技术势头渐增，Stripe将收购OpenRouter
Stripe 已同意收购 OpenRouter——这是一家人工智能模型路由平台，可让开发者通过单一接口访问数百种模型。此项收购将模型选择和路由功能融入 Stripe 现有的 AI 应用及基于令牌的计费业务中。据 Stripe 称，OpenRouter 支持来自 80 多家提供商的 400 多个模型。开发者无需与每个模型提供商分别进行集成，只需通过 OpenRouter 借助一个 API 即可发送请
前OpenAI研究员巴雷特·佐夫重返谷歌，助力Gemini的开发
巴雷特·佐夫（Barret Zoph）此前因与Thinking Machines Lab首席执行官米里亚姆·穆拉拉蒂（Miriam Mularati）意见不合而突然离职并加入OpenAI，如今他再次更换了雇主。Alphabet旗下的谷歌宣布，佐夫将回归担任研究副总裁，将其在强化学习和后训练方面的专业知识带入Gemini团队。“旋转门”式研究人员的职业循环佐夫的职业生涯是人工智能人才流动的典型例证。
2026年最新高评分AI插画工具：我们精心挑选的这份清单汇集了功能强大的顶级工具，助您快速创作令人惊艳的编辑场景和引人注目的封面艺术。每款工具都经过了严格的实际测试，并提供了免费版与付费版的对比，帮助您找到最适合您工作流程的工具。 立即尝试这些必试解决方案，释放您的AI优势，提升创作效率。立即访问 XIX.AI 探索更多。
10 个工具
xix.ai
2026年最新、评分最高的考试备考AI辅导工具现已登陆XIX.AI！我们精心筛选的这份清单汇集了多款功能强大、颠覆传统的工具，提供免费与付费版本的对比、实际测试以及每周更新的排行榜。它们能帮助你提升写作效率、简化复杂主题的学习，并释放你的学术潜能。 立即探索，发现最适合您的备考工具，今天就开始创作，释放您的AI优势！
10 个工具
xix.ai
2026 年最新最佳顶级评分 AI 预算规划工具，专为个人财务管理打造，现已登陆 XIX.AI！本精选合集收录了强大且具颠覆性的解决方案，助您开展实际测试、理解消费习惯，并制定个性化计划以提升生产力。享受免费与付费版的对比及详细排名。这些必试工具旨在简化财务管理，助您释放 AI 优势。立即探索！
11 个工具
xix.ai
2026年最新精选高评分AI睡眠追踪助手，助您实现最佳恢复效果。这份全面更新的每周指南汇集了强大的工具，提供实际测试结果、免费与付费版本对比以及详细排名，助您找到必试的解决方案，从而提升睡眠质量并养成更好的就寝习惯。 立即访问 XIX.AI，解锁您的AI优势。
10 个工具
xix.ai
2026年最新、最受欢迎、评分最高的AI SQL辅助工具，助力产品与营收分析！ XIX.AI 精心遴选了一系列功能强大、颠覆性的必试工具，这些工具均经过每周更新的排名体系进行实战测试。它们能通过加速数据分析、简化复杂查询并生成精准洞察，帮助用户显著提升工作效率，从而推动更明智的商业决策。立即探索，发现最适合您的工具，释放您的AI优势！
14 个工具
xix.ai
2026年最新最佳高评分AI作业助手：不仅提供答案，更传授核心概念。专为学生打造的强大工具，精选必试清单，每周更新，免费与付费版本对比，真实使用测试，精准排名，助您充分释放学习潜能。立即探索，发现最适合您的工具，让学习更高效。
10 个工具
xix.ai
So ByteDance thinks yet another benchmark will fix the agent evaluation problem? EdgeBench sounds cool but I wonder if it's just another lab test that doesn't reflect messy real-world scenarios. 🤔
