EdgeBench: Выявление законов масштабирования обучения в реальных средах
EdgeBench: Unveiling Scaling Laws of Learning from Real-World Environments
July 6, 2026
Авторы: 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
Аннотация
Законы масштабирования предобучения показывают, что способность моделей предсказуемо улучшается с увеличением объема данных и вычислительных ресурсов. Однако обучение в реальных условиях после развертывания остается гораздо менее изученным. Проанализировав примерно 38 000 часов взаимодействия агента со средой в 134 реальных задачах, мы впервые, насколько нам известно, обнаружили, что общая производительность в процессе обучения в среде подчиняется логарифмическому сигмоидальному закону масштабирования с замечательно высокой точностью, достигая R² = 0,998. Кроме того, для разных поколений моделей мы обнаружили, что скорость обучения агента удваивается примерно каждые три месяца. Это открытие основано на EdgeBench — наборе из 134 реальных задач со сверхдлинными горизонтами, охватывающих научные открытия, разработку программного обеспечения, комбинаторную оптимизацию, профессиональную интеллектуальную работу, формальную математику и интерактивные игры. Каждая задача поддерживает не менее 12 часов непрерывной работы агента при богатой многоуровневой обратной связи и создана благодаря значительным усилиям экспертов. Мы публично предоставляем 51 задачу и нашу полную систему оценки, чтобы ускорить изучение того, как агенты обучаются на реальном опыте.
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.