评测基准 最新动态

字节 Seed 发布 EdgeBench 评测集，发现环境学习新 Scaling Law

字节 Seed 发布用于衡量真实世界环境学习的超长程评测集 EdgeBench，包含 134 个真实任务，横跨六大能力领域，Agent 在每个任务上可持续工作至少 12 小时。