据动察 Beating 监测,字节跳动 Seed 团队发布智能体基准测试 EdgeBench,用于研究 AI 在 12 至 72 小时超长周期任务中的环境学习表现。在分析超过 3.8 万小时的智能体运行记录后,研究团队发现 AI 的学习曲线高度可预测,智能体性能随交互时间延长而提升,精准拟合对数逻辑斯蒂 log-sigmoid 曲线。研究者借用图搜索理论解释这一规律,认为智能体的进步如同在技能图谱上向外扩张边界。Seed 团队已将基准测试框架及首批 51 个任务开源。
与之相反,研究机构 Epoch AI 同日发布 EBR-bench 评估结果得出不同结论。在对桌游环境的测试中,即使提供策略指南,AI 在重复尝试后也几乎没有表现出学习和自我改进行为。这一分歧表明,AI 的自主学习潜力受任务环境和反馈链路设计影响极大。在系统级工程或科学探索等需要连续环境回馈的场景中,智能体能够建立起累积优势,但在策略相对复杂的离散规则游戏中,当前的在轨学习仍然举步维艰。