字节：揭示智能体环境学习缩放律

标题EdgeBench: Unveiling Scaling Laws of Learning from Real-World Environments来源arXiv, 2607.05155v1️文章简介研究问题大模型智能体在部署后从真实世界环境中持续学习的过程是否遵循可预测的数学缩放规律主要贡献论文提出EdgeBench基准并首次发现智能体环境学习性能随交互时间呈现高精度的Log-Sigmoid缩放律且学习速度每三个月翻倍。重点思路构建EdgeBench基准包含134个跨科学、工程、优化等六大领域的真实任务每个任务支持至少12小时连续交互与多级反馈以测量长周期学习能力。设计双循环评估协议内环支持智能体本地快速探索与调试外环通过隔离的评判器提供权威反馈模拟真实工作流中的迭代改进过程。对五个前沿模型进行约3.8万小时环境交互实验拟合平均学习曲线验证Log-Sigmoid函数在不同任务族、更长时序及早期预测中的普适性与精确度。提出理论模型将环境学习建模为潜在任务图上的前沿扩展过程推导出已解锁与未解锁分数单元的相互作用导致Log-Sigmoid形式的涌现机制。通过对比连续运行与独立重启实验验证经验积累的价值通过上下文长度消融实验确认长上下文对长程学习的稳定增益。分析总结智能体整体环境学习性能与交互时间的关系高度符合Log-Sigmoid曲线平均拟合优度R²达0.998且该规律在不同任务类别和长达72小时的测试中均保持稳定。前沿智能体的环境学习速度呈指数级增长自2025年9月以来大约每三个月翻一番这反映了模型从反馈中提取有效信息能力的提升而非单纯尝试次数增加。连续的经验积累显著优于相同时间预算下的独立重复采样证明智能体确实利用了历史状态进行实质性学习而非仅靠运气搜索。即便存在外部工作区记忆1M上下文窗口相比200k窗口仍能带来稳定的性能提升表明模型内部注意力机制对长程经验保留至关重要。个案研究显示高效学习表现为稀疏但结构化的“诊断-编辑-评估”循环智能体通过将失败分解为子问题并锁定瓶颈来实现渐进式突破。个人观点论文将预训练缩放律范式成功迁移至智能体运行时评估提出学习是能力边界在任务图谱上的推进。