在人工智能技術快速演進的今天，如何科學地衡量智能體（Agent）在真實世界中的持續學習能力，成爲了學術界與工業界共同關注的焦點。近日，字節Seed團隊正式發佈了名爲“EdgeBench”的超長程評測集，爲這一領域的研究提供了全新的量化參考。

EdgeBench的核心價值在於其對“真實世界環境學習”的深度覆蓋。該基準收錄了134個涵蓋六大領域的真實任務，且每個任務都要求智能體能夠持續工作至少12小時。這一設計旨在突破以往短時任務評測的侷限，更真實地模擬智能體在複雜、動態環境下的長期表現。爲了構建這一嚴謹的測試體系，研發團隊累計採集了約3.8萬小時的交互數據。

image.png

研究結果揭示了一項值得關注的趨勢:智能體在環境學習中的表現遵循着一條高精度的log-sigmoid曲線，其擬合優度（R²）高達0.998。這意味着智能體的學習過程呈現出極強的規律性。此外，數據分析顯示，從2025年9月到2026年5月期間，前沿模型的學習速度展現出每三個月翻一番的強勁增長勢頭。

目前，EdgeBench已向開發者社區開源了其中的51個任務及配套的完整評測框架。雖然該基準目前仍處於學術探索階段，但它首次將長程環境學習規律進行了量化描述。對於AI研究者而言，這一規律不僅提供了衡量模型能力的硬指標，也爲未來提升智能體的環境適應性和學習效率指明瞭方向。