エージェント進化の新基準:バイチュウSeedがEdgeBenchベンチマークを公開
バイチュウSeedチームは、超長期評価データセットであるEdgeBenchをリリースしました。このベンチマークは、エージェントの現実世界での継続的な学習能力を測定することに注力しています。この基準には6つの分野にわたる134の現実的なタスクが含まれており、それぞれのタスクではエージェントが多段階のインタラクションを完了し、環境の変化に動的に適応する必要があります。これにより、長期的な自律学習に関する研究に定量的な参照が提供されます。