Para peneliti menganalisis sekitar 38.000 jam interaksi agen di seluruh 134 tugas dunia nyata untuk mengungkap hukum penskalaan untuk pembelajaran pasca-penerapan. Mereka menemukan bahwa kinerja keseluruhan mengikuti hukum penskalaan log-sigmoid dengan presisi tinggi (R^2 = 0,998), sementara kecepatan pembelajaran hampir berlipat ganda setiap tiga bulan.
- EdgeBench adalah suite dari 134 tugas dunia nyata yang menampilkan cakrawala ultra-panjang di domain seperti penemuan ilmiah dan teknik perangkat lunak.
- Setiap tugas mempertahankan setidaknya 12 jam operasi agen berkelanjutan di bawah umpan balik kaya dan multitingkat.
- Studi ini memberikan bukti pertama penskalaan log-sigmoid untuk pembelajaran lingkungan.
- 51 tugas dan kerangka evaluasi lengkap dirilis secara publik untuk mempercepat penelitian.
Karya ini mempercepat studi tentang bagaimana agen belajar dari pengalaman dunia nyata dengan menyediakan benchmark terstandarisasi dan wawasan penskalaan empiris.