#長時間任務

EdgeBench 想量度 AI agent 點樣喺 12 小時任務入面學嘢

ByteDance Seed 推出 EdgeBench，用 134 個長任務睇 AI agent 點樣靠回饋慢慢改好成果。呢套 benchmark 值得開發者睇，因為佢關心成本、上下文、回饋 loop 同長時間穩定度。三個月翻倍呢句，暫時要當成論文 claim。