字节跳动研究发现AI智能体学习速度每3个月翻一倍，部署缩放定律浮出水面

AI智能体学习效率每季度翻倍，部署缩放定律浮出水面

  字节跳动旗下 Seed AI 团队周四发布的一篇论文揭示，AI智能体在真实世界部署后，学习效率每三个月就能提升一倍，相当于每季度翻一番。

  这个发现为当下陷入预训练瓶颈的大模型行业投下重磅炸弹——当OpenAI联合创始人Andrej Karpathy公开警告“暴力堆算力的预训练无法永远持续”时，一条新的“部署缩放定律”正在浮出水面。

EdgeBench：衡量真实世界学习能力的新基准

  为量化这种学习能力，研究人员专门打造了名为EdgeBench的极限基准测试，包含134个超长周期任务，涉及软件工程、科学发现、形式化数学和专业知识工作，每个任务都要求AI智能体连续运行至少12小时。这远超市面上常见的单会话基准，如SWE-Bench或GAIA。

指数级提升：从算力驱动到数据驱动

  结果清晰显示：智能体在真实环境中的任务完成速度随部署时间呈指数级膨胀，其规律酷似曾经推动GPT-4o等模型迭代的算力缩放法则，只不过驱动力从预训练阶段的算力投入，转移到了部署后持续获得的交互数据。

行业拐点：预训练边际收益递减

  该研究发布的时机极为微妙。全球AI产业正集体面临预训练边际收益递减的焦虑，不少顶尖实验室开始承认“堆更多GPU、灌更多数据”的老路已经撞上天花板。

  尽管越来越多的科技公司争相部署能代替人类执行任务的自主软件，但这些系统在部署后如何从真实环境中学习，至今仍是一个几乎无人探明的盲区。

  这意味着，未来的竞争可能不再是谁率先炼出更大的模型，而是谁能先让AI在真实世界中学会自我进化。