字節跳動發現AI Agent新擴展定律
Miles Bennett
字節跳動Seed AI團隊發現，AI智能體透過與真實環境持續交互，學習速度可每三個月翻一倍——這被定義為一種新的擴展定律，可能為數據即將耗盡的AI行業提供另一條路。
這條「新定律」到底講了甚麼？
字節跳動研究人員發現：AI Agent（能自主執行任務的AI系統）在真實環境中持續運行時，學習速度每三個月提升一倍。
研究團隊將這一規律定義為一種新的擴展定律（scaling law，即「投入某種資源愈多、AI能力就按規律增長」的經驗法則）。
這意味著→ 過去的擴展定律靠「餵更多數據和算力」驅動增長，這條新定律靠的是Agent與環境的交互時間——資源從「數據量」變成了「實踐時長」。
點解現在需要一條新路？
全球AI行業長期依賴「更多數據＋更多算力」提升模型性能，但這條路正撞上天花板。
美國研究機構Epoch AI近期警告：公開可用的人類文本數據可能在未來六年內耗盡。
OpenAI聯合創始人安德烈·卡爾帕西（Andrej Karpathy）亦公開表示，暴力堆算力和數據的傳統訓練方式不可持續。
簡單來說＝ 過去AI靠「食書」長大，但書快被食完了，必須搵到唔靠新書也能繼續進步的辦法。
佢哋點樣驗證？
團隊開發了一套基準測試工具EdgeBench，包含134項超長周期任務。
任務涵蓋軟件工程、科學發現、形式數學同專業知識工作，每項要求AI Agent至少連續運行12小時。
這意味著→ 這唔係傳統「做完一道題就打分」的測試，而係測AI能否在真實環境裡長時間自主工作並愈做愈好。
這個發現離落地仲有幾遠？
論文於7月3日發佈，研究人員自己亦承認：AI Agent「在部署後如何從真實環境中學習，目前仍遠未被充分理解」。
這條規律若能在更大規模、更廣場景中複現，將為行業提供一條唔依賴海量新增人類數據的能力提升路徑。
但能否複現，仍有待後續研究檢驗——這反映出該發現目前仍處於「令人興奮的早期信號」階段，而非已被證實的行業共識。
Content is for reference only, not financial advice.