字节跳动Seed团队发布了EdgeBench,这是一项用于长期衡量人工智能智能体在现实世界中持续学习能力的基准测试工具。该测试基于38,000小时的交互数据,涵盖了六个领域的134项任务,每项任务至少需要12小时的处理时间。智能体的学习曲线呈现对数S形,R²值为0.998;而最先进的模型则能每隔三个月就将学习速度提升一倍。目前这51项任务以及完整的评估框架均已开源。
评论 (0)
0/300





首页
