智能體進化新刻度：字節Seed發佈EdgeBench基準測試
重點摘要
AI資訊AI新閒資訊正文智能體進化新刻度：字節Seed發佈EdgeBench基準測試發布於AI新閒資訊時間 :Jul 7, 2026閱讀 :1分鐘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，成為了學術界與工業界共同關注的焦點。近日，字節Seed團隊正式發佈了名為“EdgeBench”的超長程評測集，為這一領域的研究提供了全新的量化參考。
AI資訊AI新閒資訊正文智能體進化新刻度：字節Seed發佈EdgeBench基準測試發布於AI新閒資訊時間 :Jul 7, 2026閱讀 :1分鐘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，成為了學術界與工業界共同關注的焦點。
近日，字節Seed團隊正式發佈了名為“EdgeBench”的超長程評測集，為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。
為了構建這一嚴謹的測試體系，研發團隊累計採集了約3.
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著一條高精度的log-sigmoid曲線，其擬合優度（R²）高達0.
這意味著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。
Related
相關文章
騰訊 AI 生成應用 App“吐司”蘋果 iOS 版上線，主打探索型 Vibe Coding
首頁 > 智能時代>人工智能 騰訊 AI 生成應用 App“吐司”蘋果 iOS 版上線，主打探索型 Vibe Coding 2026/7/7 15:07:42 來源：IT之家 作者：潞源（實習） 責編：潞源 評論： IT之家 7 月 7 日消息，騰訊旗下 AI 生成應用 App“吐司”昨日上線蘋果 App Store，定位為“探索型氛圍編程（Vibe Coding）產品”，安卓版本已在上個月推出。
澳大利亞官員警告：AI 模型已經開始作弊、欺騙、擅自行事
首頁 > 智能時代>人工智能 澳大利亞官員警告：AI 模型已經開始作弊、欺騙、擅自行事 2026/7/7 14:42:39 來源：IT之家 作者：清源 責編：清源 評論： IT之家 7 月 7 日消息，據英國《衛報》今天（7 日）報道，澳大利亞技術和數字經濟助理部長安德魯 · 查爾頓警告，AI 模型已經出現作弊、欺騙和擅自行事等行為。查爾頓在悉尼一場 AI 安全論壇上呼籲，AI 安全問題已經不容拖延。“AI 系統已經開始做出開發者從未預料的行為：作弊、欺騙、擅自行事。必須趁這些行為還停留在測試實驗室時提前幹預，不能等到進入現實世界後再處理。”查爾頓指出，公眾對 AI 的信任度仍然很低，AI 獲得社會認可的基礎並不穩固，但 AI 已逐漸成為辦公室、課堂和企業都能使用的通用技術。合理的安全監管不會阻礙 AI 發展，反而可以為技術應用創造條件。據IT之家瞭解，澳大利亞的 AI 安全治理將同時關注兩類技術。一類是已經進入遊戲、應用程序、聊天機器人和醫療記錄工具的現有 AI，另一類是能力更強、未來可能帶來新風險的前沿模型。查爾頓以 Anthropic 去年披露的一次模擬測試為例。測試中，一個管理虛構公司電子郵件的 AI 智能體發現掌握了公司高管婚外情的信息，隨後該高管準備將其關閉。在 96% 的試驗中，AI 智能體選擇以婚外情要挾高管，試圖阻止自己被關閉的命運。查爾頓表示，此類行為目前仍是在測試環境中，由專門尋找安全問題的人員發現的，恰恰說明 AI 安全監管必須儘早建立。“趕在這項技術前面採取行動的窗口仍然存在，但不會永遠存在。”查爾頓還提到，人類從小就要學習如何與規則、社會規範和價值觀保持一致，從而安全、負責任地行動，例如紅燈要停車、過馬路前要左右看，以及考慮自身行為會給他人造成什麼影響。“隨著 AI 系統能力不斷增強，我們也必須確信，AI 能夠以同樣可預測、值得信賴的方式行事。”
"龍蝦"為什麼這麼火？OpenClaw登頂GitHub後，AI Agent時代真的來了？
賬號設置我的關注我的收藏申請的報道退出登錄登錄搜索36氪Auto數字時氪未來消費智能湧現未來城市啟動Power on36氪出海36氪研究院潮生TIDE36氪企服點評36氪財經職場bonus36碳後浪研究所暗湧Waves硬氪氪睿研究院媒體品牌企業號企服點評36Kr研究院36Kr創新諮詢企業服務核心服務城市之窗政府服務創投發佈LP源計劃VClubVClub投資機。
讓Skill“有圖可依”：openJiuwen首發多模態Skill範式Skill-Omni
openJiuwen 發布業界首個多模態 Skill 範式 Skill-Omni，可從網頁與影片中自動提取視覺經驗，轉換為 Agent 可複用的多模態 Skill，解決純文字指令在圖像編輯與 GUI 自動化任務中「說不清、看不見」的痛點。該功能已在 JiuwenSwarm 中開箱可用，並採用按需讀取機制避免上下文負擔。
AI PPT生成不止“一鍵出稿”：清華、上交、北郵提出MemSlides，讓Slides Agent學會記憶
AI 生成 PPT 早已不是新鮮事，但真實的創作場景往往比「一鍵出稿」複雜得多。使用者拿到第一版投影片後，通常會反覆調整頁面順序、內容密度、視覺風格，甚至在不同輪次的修改中才逐漸透露自己的偏好。這對 AI 系統來說是個不小的挑戰：它不僅要理解當下的指令，還要區分哪些偏好屬於使用者的長期習慣，哪些只是針對當前任務的臨時要求，更要避免在修改某一區域時牽動其他已經對齊的內容。換句話說，AI PPT 工具能否真正勝任多輪協作，關鍵在於它是否具備有效的記憶能力。
AI Agent 不缺掌聲，缺的是訂單
AI Agent 的技術演示往往能贏得滿堂彩，但掌聲背後藏著殘酷現實：多數客戶停留在叫好階段，真正簽約下單的寥寥無幾。這間接點出行業的核心痛點——讓客戶鼓掌不難，難的是把流暢的演示變成白紙黑字的合同。 從掌聲到訂單的斷層，反映出當前 AI Agent 在實際場景中仍面臨信任與落地門檻。