EdgeBench: Onthulling van schaalwetten van leren uit echte omgevingen
EdgeBench: Unveiling Scaling Laws of Learning from Real-World Environments
July 6, 2026
Auteurs: Deyao Zhu, Xin Zhou, Shengling Qin, Xuekai Zhu, Hangliang Ding, Shu Zhong, Zixin Wen, Zhonglin Xie, Chenhui Gou, Linxuan Ren, Yueyang Wang, Junfeng Zhong, Rui Liu, Tian Gao, Yangguang Lin, Jingyuan Zhang, Maojia Song, Xuan Qi, Jinhong Wu, Chenyang Zhang, Yinzhu Piao, Ziru Niu, Hongbin Lin, Lingxiang Meng, Peng Tang, Chengyao Tang, Shanyu Wu, Huanyu Zheng, Yu Liu, Liya Zhu, He Wang, Ming Ding, Ziyu Wan, Hao Liu, Sibo Wang, Haotian Zhu, Xintian Zhang, Nan Chai, Yipeng Liu, Panhao Lai, Sihang Yuan, Zixin Su, Ge Zhang, Wangchunshu Zhou, Yantao Du, Wenhao Huang, Guang Shi
cs.AI
Samenvatting
Schaalwetten voor voortraining tonen aan dat modelcapaciteit voorspelbaar verbetert met data en rekenkracht. Maar het leren van echte omgevingen na implementatie blijft veel minder begrepen. Door ongeveer 38.000 uur aan agentinteractie met de omgeving over 134 echte taken te analyseren, vinden we, voor zover wij weten, het eerste bewijs dat de algehele prestatie tijdens omgevingsleren een log-sigmoid schaalwet volgt met opmerkelijk hoge precisie, met een R² van 0,998. Over modelgeneraties heen zien we ook dat de leersnelheid van agenten ongeveer elke drie maanden verdubbelt. Deze ontdekking komt voort uit EdgeBench, een verzameling van 134 echte taken met ultralange horizonten, variërend van wetenschappelijke ontdekking, software-engineering, combinatorische optimalisatie, professioneel kenniswerk, formele wiskunde en interactieve spellen. Elke taak vereist ten minste 12 uur aan continue agentwerking onder rijke, meerniveau feedback, en is opgebouwd met aanzienlijke inspanning van experts. We maken 51 taken en ons volledige evaluatiekader openbaar beschikbaar om de studie naar hoe agenten leren van echte ervaringen te versnellen.
English
Pretraining scaling laws reveal that model capability improves predictably with data and compute. But learning from real world environments after deployment remains far less understood. Analyzing roughly 38,000 hours of agent interaction with the environment across 134 real world tasks, we find, to the best of our knowledge, the first evidence that overall performance during environment learning follows a log-sigmoid scaling law with remarkably high precision, reaching R^2 = 0.998. Across model generations, we also find that agent learning speed roughly doubles every three months. This discovery stems from EdgeBench, a suite of 134 real world tasks with ultra-long horizons, spanning scientific discovery, software engineering, combinatorial optimization, professional knowledge work, formal mathematics, and interactive games. Each task sustains at least 12 hours of continuous agent operation under rich, multilevel feedback, and is built through substantial expert effort. We publicly release 51 tasks and our full evaluation framework to accelerate the study of how agents learn from real world experience.