字节Seed发布EdgeBench，科学测试长程AI Agent

字节跳动Seed发布EdgeBench评测框架，用于衡量AI Agent在真实环境中的长程任务表现--给Agent时间、工具和反馈，观察其能否在十几小时的迭代中持续改进。推文作者使用本地35B-A3B模型（4bit量化版本）测试了其中一道题，任务为命令行版地牢爬行游戏DCSS。该框架旨在探讨：让AI"科学加班"而非单纯延长运行时间，才能获得更好的结果。 via AI HOT · https://aihot.virxact.com/items/cmr940z290028slsmtf6xjflo