字节 Seed 开源 EdgeBench 基准测试

字节 Seed 宣布推出了用于衡量真实世界环境学习的超长程评测集 EdgeBench。该评测集包含 134 个真实且多样的任务，横跨六大能力领域，Agent 在每个任务上都可持续工作至少 12 小时。其中 51 个任务及完整评测框架已开源。 “基于这些任务上的长程环境交互运行结果，我们发现，Agent 在“环境学习”过程中的整体表现遵循一...

中文全文翻译正在补齐，可先查看下方英文原文。

字节 Seed 宣布推出了用于衡量真实世界环境学习的超长程评测集 EdgeBench。该评测集包含 134 个真实且多样的任务，横跨六大能力领域，Agent 在每个任务上都可持续工作至少 12 小时。其中 51 个任务及完整评测框架已开源。 “基于这些任务上的长程环境交互运行结果，我们发现，Agent 在“环境学习”过程中的整体表现遵循一...