作者｜Ado微信｜ Ado__rs

7月2日，，，，字节 Seed 宣布了一个 Agent评测项目 EdgeBench。？？雌鹄从质且桓 benchmark，，，，但它问了一个其他榜单不问的问题。。

给模子一道题，，，，做对了得分，，，，做错了不得分。。这是绝大大都 benchmark 现在的事情方式，，，，越来越像高考。。

但真实天下里，，，，人不是这么用 AI 的。。

你不会给 Claude Code出一道题然后等它交卷。。你会给它一个项目、一个代码库、一批数据，，，，然后它在那里折腾好几个小时，，，，探索、犯错、读反馈、修正、再试。。你更体贴的是它浸泡在现实使命情形里一段时间之后，，，，能不可比刚进来时更强。。

但目今的 benchmark 险些测不出这些工具。。它们丈量的是静态能力，，，，模子被冻结的那一刻就知道的工具。。至于从反馈里一连前进的能力、在长周期里积累履历的能力、在生疏情形里探索出偏向的能力，，，，全在盲区里。。

EdgeBench 的切口就是把盲区里的工具放进评测，，，，解答一个问题：把Agent扔进一个生疏情形，，，，12小时后，，，，你能变强几多？？

134个使命横跨六大领域：科学/ML、软件工程、组合优化、专业知识事情、形式化数学、交互式游戏

为此，，，，Seed 团队搭了一个叫 EdgeBench 的实验平台。。这是一个情形学习视察舱。。134 个使命，，，，每个使命设计合约让 Agent 至少跑 12 小时。。

它的设计围绕四个焦点维度睁开：

5 个前沿模子（Claude Opus 4.8、GPT-5.5、GPT-5.4、GLM-5.1、DeepSeek-V4-Pro）在上面总共跑了约 38,000 小时。。

经费在燃烧。。但最终的效果价值重大：

他们找到了 Agent 的 Scaling law。。

四个发明：公式、路径、实质、速率

1 ）agent学习有一条被写死的数学公式

134 个使命平均：5 个模子的学习曲线被 log-sigmoid 函数高精度拟合

这是全篇论文的“灵魂发明”。。

此前我们大多默认情形学习是一件杂乱的事，，，，差别使命、差别模子、差别战略，，，，纪律自然也差别。。但他们的数据给出了意料之外的谜底：

134 个使命的平均学习曲线，，，，被统一个函数以 R? = 0.998 的精度准确拟合。。

R? = 0.998 是什么意思？？ 在人机交互和重大系统研究里，，，，你能看到 R? = 0.3 就已经敢写论文了。。0.998 实质上不是一个"拟合问题"，，，，这是一个发明。。若是我知道一个 Agent 前两小时的前进速率，，，，在使命荟萃的平均意义上，，，，我就能较量准确地展望它 12 小时后的水平。。

曲线展示被测模子的学习体感大致都是：一最先慢、找到感受后爆发、靠近天花板时又放缓。。这和任何有过深度学习或深度事情履历的人的体验完全吻合。。

并且，，，，这个纪律跨标准建设：无论是 12 小时、28 小时照旧 72 小时的实验窗口，，，，拟合精度所有坚持在 R? ≥ 0.993。？？缌煊蛞步ㄉ瑁毫笫姑易甯髯阅夂希，，，R? 在 0.972 到 0.998 之间。。

2）没有“标准”的生长路径

这个发明更有现实意义。。

把 134 个使命的单使命学习曲线拉开来看，，，，你会发明一件反直觉的事：虽然平均曲线是漂亮的 log-sigmoid，，，，但单条曲线之间差别极大。。

- 有的使命：Agent 一上来就稳步提升，，，，曲线清洁

- 有的使命：前几个小时纹丝不动，，，，突然在某个时刻分数跳升

- 有的使命：先涨后跌再涨

- 有的使命：一最先快速上升，，，，然后进入漫长的平台期

差别的学习战略和试错范式，，，，在统一个评分框架下会爆发截然差别的生长路径。。

Agent不但是“学得快”和“学得慢”的区别。。它们在怎么学上有实质差别，，，，若是是只看最终分数而不看历程的评测方式，，，，就完全抹平了这个维度。。论文的诠释是，，，，使命是一张能力争，，，，学习是解锁前沿向外扩张，，，，在对数时间上走一条logistic曲线。。单使命节点少以是锯齿，，，，使命够多平均后S形浮现。。论文问题里谁人scaling law，，，，指的就是这条曲线。。

3）“重新明确问题”创立真前进

有履历 vs 无履历比照：一连运行积累履历比 6 次自力重启多出 6.9 分的显著优势

统一个模子（Opus 4.8），，，，同样的 12 小时预算：

- 方案 A：让它一连跑 12 小时，，，，所有中心产品、过失纪录、已验证假设所有保存

- 方案 B：拆成 6 次自力的 2 小时跑，，，，每次清空所有状态，，，，只保存最佳效果

12 小时后，，，，方案 A 例如案 B 多了 6.9 分（百分制）。。并且两条曲线从一最先就分道扬镳。。

这说明前进不是靠运气多试出来的，，，，而是靠履历积累出来的。。

值得关注的是实验中的引力波重修案例研究。。GPT-5.5 在这个使命上跑了 12 小时，，，，提交了 224 次，，，，但真正推动最佳效果前进的只有 27 次提交。。

每一次突破都不是由于"多跑了一个实验"，，，，而是由于 Agent 对问题自己的明确爆发了质变。。它把模糊的目的逐步拆解为可搜索的子问题，，，，从反馈中重新界说了"什么是更好的偏向"。。

4）学习速率自己正在被“学习”

这个发明可能是跟工业关系最细密的一个。。

实验挑了一组所有模子“起跑线相近”的使命（首次实验都在 6.87 分左右），，，，然后丈量每个模子在 2 小时交互后能前进几多。。

效果：从 2025 年 9 月的GPT-5-Codex到 2026 年 4 月的GPT-5.5，，，，221 天内学习效率提升了 约 8 倍，，，，约每 3 个月翻一番。。

后期模子的有用提交率在上升，，，，但提交次数纷歧定更多。；；；；；；痪浠八担，，，不是更勤快，，，，而是每次下手更有用。。这和工程实践的直觉一致，，，，高级工程师纷歧定比初级工程师写更多行代码，，，，但更少做无用功。。

AI 的能力越来越像“知识”，，，，但"学会新工具"的能力自己，，，，也在以惊人速率进化，，，，并且这个速率比静态知识增添更有决议性。。

评测情形自己，，，，和EdgeBench同样有价值

EdgeBench 看起来像一个模子排行榜，，，，但它测到的不是裸模子能力，，，，而是 Agent 系统能力。。

差别模子跑在差别的执行框架上。。Claude Opus 4.8 使用 Claude Code 加 1M 上下文窗口，，，，GPT-5.5 使用 Codex 加 256K 紧凑窗口。。最后的分数，，，，既包括模子自己的能力，，，，也包括上下文治理、工具挪用、反馈处理和执行框架的影响。。

这反而靠近真实安排。。现实中的 Agent 历来不是一个伶仃模子，，，，而是模子、工具、事情流和反馈系统的组合。。EdgeBench 真正权衡的，，，，是这个组合系统能不可在长程使命里一连推进。。

但这也意味着，，，，榜单不可被粗暴明确成基础模子排名。。它更像是在较量差别 Agent 系统的恒久事情能力。。

把EdgeBench和主流 benchmark 放在一起看，，，，差别会更清晰：

古板 benchmark 是“静态快照”，，，，EdgeBench 是“动态轨迹”。。它们不是在统一个维度上竞争。。

但这个新维度不是没有价钱的，，，，背后是重大的资源消耗。。

和EdgeBench同样让我印象深刻的工具，，，，是把这个实验情形搭起来意味着什么。。

先说一组容易被忽略的账。。134 个使命，，，，每个使命平均消耗 57.2 小时的人类专家时间，，，，最长的单个使命投了 320 小时。。纵然按最低标准估，，，，光使命构建这一项就投入了 7,500 小时以上的人力；；；；；；然后是运行本钱，，，，5 个模子，，，，每个模子在每个使命上跑 3 次，，，，加上延伸至72小时以上的运行，，，，每次 12 小时，，，，总计约 38,000 小时的 Agent 交互时长，，，，对应的是天文数字的 API 挪用和算力消耗。。

这个本钱门槛自己就意味着，，，，长程 Agent 评测不是随便一个团队就能入场的偏向。。

再看工程细节。。论文的附录纪录了在开发历程中被 Agent 攻破的种种误差：有 Agent 在流体力学使命中通过 400+ 次提交反推出了隐藏测试数据的谜底；；；；；；有 Agent 发明反作弊检核对 baseline/ 目录宽免，，，，于是把代码塞进那条“免检通道”里交卷。。这些案例袒露了一个深层的矛盾：想要测出“学习能力”，，，，就必需给 Agent 足够的反。；；；；；；但反馈给得越多，，，，就越可能被 Agent 当成预言机来使用。。

EdgeBench 的解决方案是物理隔离：事情容器和裁判容器脱离，，，，裁判打完分就销毁，，，，防止Agent“作弊”：

EdgeBench 的双环反馈机制：左边是 Agent 可以自由探索的事情容器，，，，右边是隐藏裁判，，，，提交后才返回权威评分

事情容器：Agent 在内里随便折腾，，，，编译器、调试器、日志、文档全都有，，，，但没有“隐藏谜底”裁判容器：Agent 提交工件后，，，，裁判用隐藏测试数据和私有评分标准来打分，，，，打完容器连忙销毁

这个设计很考究，，，，实质上是在模拟“科场密封”和“双盲评审”的机制。。把这个从工程层面做对，，，，难度比设计问题自己大得多。。这套双容器框架有自己的名字，，，，SForge。。字节把它连同134个使命中的51个一起开源了，，，，构建情形的门槛还留在原地，，，，使用它的入口已经翻开。。

在做 benchmark 的人看到这，，，，或许都会有一种“原来你们也被Agent坑过”的共识。。

这也是为什么 EdgeBench 让我感受它不是“一个新的 benchmark ”，，，，更多是一种新的软件评测系统。。

它实质上是一个可视察的 Agent 运行情形。。你把它当成“Agent 的 profiler”，，，，可能比“一个新 benchmark”更准确。。

把这个视角拉回到行业：目今大部分 Agent 评测还停留在“在某个测试集上一次性跑分”的阶段。。EdgeBench 花了这么大价钱搭一个长程实验装置，，，，它想回覆的问题着实很简朴，，，，但很主要。。

字节自己的“AI下半场”

EdgeBench是一个让人重新想问题的理由。。

长程使命和短 benchmark 之间的差别，，，，不是时间拉长了，，，，而是袒露出来的问题完全差别。。一个只跑 10 分钟的 benchmark，，，，Agent的行为是可以预期的：读题、思索、输出、竣事。。不会出什么幺蛾子。。但当你把时间拉到 12 小时，，，，贫困就多了。。Agent 会在偏向准确的条件下逐步跑偏，，，，修睦一个？？榈耐备惚懒硪桓；；；；；；会看不懂用户的反。。，，，把一个过失信号误读成另一个偏向，，，，然后在过失的路上一连投入几小时。。

退一步想“是不是偏向错了”，，，，目今的 Agent在这方面尚有欠缺。。这些问题在短 benchmark 里很难被视察到，，，，但在真真相形中，，，，件件致命。。

因此，，，，EdgeBench 的价值就是把 Agent 评测的标准从“会不会做”推进到了“会不会一连做、学习、再做”。。这两个问题之间，，，，隔着一次评测范式的代际跨越。。

对评测的范式的重新思索，，，，总让人想到现在在腾讯认真模子的姚顺雨曾提出的“AI下半场”的判断，，，，某种水平上，，，，EdgeBench 就是字节自己版本的“AI下半场”。。

EdgeBench 把“Agent在情形里越跑越强”这个直觉酿成了可丈量的学习曲线。。逻辑是同构的，，，，只是这次标准不再是参数和算力，，，，而是时间和反馈。。

未来 AI 公司争取的焦点资源，，，，不但是数据和算力，，，，尚有能让模子重复试错、一连进化的情形。。

点个“爱心”，，，，再走 吧

新网站SEO优化指南：网站结构与快照入口状态复核

〖One〗在搜索引擎的天下中，，，，网站快照犹如数字天下的“第一印象”，，，，其优化水平直接影响着排名与流量。。业界常言“内容为王，，，，外链为皇”，，，，而快照正是这两概略素连系后的直接泛起。。搜索引擎蜘蛛抓取页面后天生快照，，，，它不但决议了用户搜索效果中的摘要展示，，，，更是排名算法评估页面相关性与质量的主要依据。。一个精准、信息富厚的快照，，，，能有用提升点击率，，，，从而间接推动排名上升。。

〖Two〗要实现快照的优化，，，，要害在于对页面问题与形貌的全心雕琢。。这犹如为书籍撰写一个引人入胜的书名和简介。。问题应精准包括焦点要害词，，，，同时具备吸引用户点击的文案魅力。。而形貌标签则是问题的延伸，，，，需用精练通顺的语言概括页面主旨，，，，自然融入要害词，，，，为用户提供明确的点击理由。。许多乐成的网站案例批注，，，，优化好这两项元素是提升点击率最直接有用的要领。。

〖Three〗页面内容的原创性与结构清晰度，，，，是决议快照质量的基础。。搜索引擎倾向于展示那些能够直接、准确回覆用户盘问的页面片断。。连系来看，，，，要害是让搜索引擎和真适用户都能看到稳固、可验证的页面信号。。因此，，，，在文章中合理安排小问题，，，，使用列表突出重点，，，，并确保焦点要害词在正文中自然泛起，，，，有助于搜索引擎提取最具价值的摘要。。这好比撰写一篇结构严谨的论文，，，，摘要部分才华精准反映全文精髓。。

〖Four〗社交媒体的分享与高质量的外部链接，，，，能为快照优化注入一连动力。。当一篇文章被普遍撒播和引用时，，，，搜索引擎会将其视为高价值内容，，，，从而在天生快照时给予更多“展示权重”。。这种效应犹如经典著作被多次引用，，，，其权威性和影响力自然随之增添。。一连建设高质量的外链和勉励社交分享，，，，能让优化后的快照在排名竞争中坚持恒久优势。。

新网站优化SEO的四大焦点方法

〖One〗新网站举行SEO优化，，，，主要使命是打好基础。。正如修建需要坚实的地基，，，，网站优化始于清晰的结构与精准的定位。。这包括选择适当的域名与主机，，，，确保网站的加载速率与稳固性。。同时，，，，合理妄想网站的内部链接与栏目设置，，，，让搜索引擎的蜘蛛能够顺畅地爬行和抓取。。许多乐成的网站案例批注，，，，一个逻辑清晰、易于导航的网站结构，，，，是后续所有优化事情的基石。。

〖Two〗内容是吸引用户和搜索引擎的要害。。正所谓“内容为王”，，，，需要围绕目的用户的需求，，，，创作高质量、原创且有价值的文章或信息。。阻止简朴地复制粘贴，，，，应致力于提供能够解决用户问题的奇异内容。。历史上那些在搜索引擎中排名长盛不衰的网站，，，，无不依赖于其一连产出优质内容的能力。。按期更新内容，，，，不但能吸引用户回访，，，，也能向搜索引擎转达网站活跃的信号。。

〖Three〗手艺细节的优化同样禁止忽视。。这包括为每个网页设置奇异的问题、形貌和要害词标签，，，，优化图片的Alt属性，，，，以及确保网站在移动设惫亓优异显示。。搜索引擎的算法一直演进，，，，但其焦点始终是明确网页内容并匹配用户搜索意图。。因此，，，，确保网站代码精练、切合标准，，，，并提交网站地图到搜索引擎治理平台，，，，能有用资助搜索引擎更好地明确和收录网站页面。。

〖Four〗最后，，，，建设网站的权威性与可信度需要借助外部实力。。通过与其他相关、高质量的网站建设链接关系，，，，可以提升网站在搜索引擎眼中的价值。。这类似于学术论文的引用，，，，被引用的次数和质量越高，，，，其权威性就越强。。新网站可以实验通过创作有价值的行业分享、加入相关社区讨论等方式，，，，自然地吸引其他网站的链接，，，，从而稳步提升搜索排名和流量。。

眉山SEO：地方品牌怎样借搜索优化扬帆东坡家乡

〖One〗在数字浪潮席卷确当下，，，，地区性品牌的突围离不开精准的线上触达。。眉山，，，，这座因三苏文化而熠熠生辉的都会，，，，其本土企业若想“出圈”，，，，便需深谙SEO之道。。正如《孙子兵法》所言“善战者，，，，求之于势”，，，，SEO正是为企业创立线上“阵势”的要害。。通过优化，，，，让潜在客户在搜索“眉山特产”、“东坡文化体验”时优先发明外地品牌，，，，即是将流量之势转化为增添动能的起点。。

〖Two〗实验眉山SEO，，，，主要在于“因地制宜”。。内容创作需根植于本土文化沃土，，，，巧妙融合东坡人文、彭祖养生、青神竹编等奇异元素。。这并非简朴堆砌要害词，，，，而是如苏轼为文般“随物赋形”，，，，创作出真正知足用户探寻眉山风貌、产品与服务的高质量内容。。云云，，，，网站方能被搜索引擎视为权威信息源，，，，从而提升在相关地区盘问中的排名与可见度。。

〖Three〗外链建设犹如古时文人的“交游唱和”，，，，贵在质量而非数目。。眉山企业应追求与外地文化、旅游、新闻类权威网站建设毗连，，，，或通过加入行业论坛、外地公益活动获取自然提及。。这些优质外链犹如来自各方的“荐书”，，，，向搜索引擎强力证实网站的价值与可信度。。此历程需耐心与积淀，，，，不可追求速成，，，，方能构建稳固的线上声誉。。

〖Four〗移动体验与外地数据优化是“临门一脚”。。随着“搜索即服务”成为常态，，，，确保网站在手机端流通会见、加载迅捷至关主要。。同时，，，，务必在百度、高德等平台完善并验证企业名称、地点、电话信息，，，，起劲治理用户评价。。当消耗者搜索“眉山周围那里有...”，，，，清晰准确的外地化信息能直接指导其到店或咨询，，，，完成从线上曝光到线下转化的闭环。。

廊坊seo公司怎样资助企业赢适外地市场先机

〖One〗廊坊地处京津走廊，，，，外地企业竞争日趋强烈。。一家专业的廊坊seo公司，，，，其焦点价值在于资助企业精准触达区域客户。。正如营销专家常言，，，，“流量在那里，，，，生意就在那里”，，，，通过优化搜索引擎排名，，，，能将潜在客户的自动搜索转化为商机。。这不但是手艺操作，，，，更是战略结构，，，，让企业在外地市场的数字浪潮中站稳脚跟。。

〖Two〗选择廊坊seo服务，，，，需注重其外地化战略的深度。。优异的服务商深谙“因地制宜”之道，，，，会深入剖析廊坊外地的搜索习惯、工业群集特点和用户偏好。。历史上，，，，乐成的商业结构都离不开对地区特征的掌握，，，，SEO亦是云云。。通过构建切合外地需求的网站内容和要害词系统，，，，企业能建设起与周边用户更强的信任纽带。。

〖Three〗一连的内容建设是SEO的基石。。廊坊seo公司会协助企业产出有价值的信息，，，，解答外地客户体贴的详细问题。。这历程犹如古语所云“润物细无声”，，，，通过一连分享行业看法、外地案例或适用指南，，，，逐渐在搜索引擎和用户心中树立权威形象。。这种积累带来的自然流量，，，，其质量和忠诚度往往远超短期广告投放。。

〖Four〗面临算法更新与市场转变，，，，可靠的廊坊seo公司提供的是恒久陪同。。他们不但关注排名波动，，，，更重视网站整体康健度与用户体验的提升。。市场情形永远在变，，，，但以用户为中心、提供真实价值的焦点原则稳固。。通过系统性的优化与维护，，，，企业能构建起稳固的线上资产，，，，从而在廊坊及更广域的市场中一连获得生长动力。。

怎么优化网站结构以提升网站性能

〖One〗优化网站结构，，，，主要使命是构建清晰的逻辑条理。。犹如制作衡宇需要稳固的框架，，，，一个优异的网站需要以用户和搜索引擎都能轻松明确的“树状”目录为基础。。焦点原则是确保从首页到任何主要内容页面的点击次数不凌驾三次，，，，这通常被称为“三次点击原则”。。这种扁平化的结构设计，，，，能显著缩短爬虫抓取路径，，，，提升索引效率，，，，同时让访客迅速找到目的信息，，，，是实现高效优化的基石。。

〖Two〗内部链接的合理结构是优化结构的经脉。。将网站内容视为一张相互关联的知识网络，，，，通过锚文本将相关页面有机串联起来。。此举不但能匀称分配页面权重，，，，指导搜索引擎蜘蛛深入爬行，，，，更能有用延伸用户在站内的停留时间，，，，降低跳出率。。实践中，，，，可以通过在文章正文中推荐相关阅读，，，，或在网站底部设置“热门内容”板块来实现，，，，这好比在图书馆中为读者提供明确的交织索引，，，，极大提升了资源的可发明性。。

〖Three〗导航与面包屑路径的设计关乎用户体验与SEO体现。。主导航栏应精练明晰，，，，准确反映网站的焦点内容分类，，，，阻止使用模糊或过于创意的词汇。。面包屑导航则清晰地展示了用户目今所在位置与首页的层级关系，，，，不但利便用户回溯浏览路径，，，，也为搜索引擎明确网站架构提供了特另外文本线索。。一个直观的导航系统，，，，是用户和搜索引擎在网站这座“迷宫”中不会迷失的可靠地图。。

〖Four〗手艺细节的完善是结构优化的坚实包管。。这包括为网站天生并提交XML站点地图，，，，确保所有主要页面都被收录；；；；；；使用规范的301重定向来处理失效或变换的链接，，，，防止权重流失和用户会见过失；；；；；；同时，，，，坚持URL的静态化与语义化，，，，使其易于阅读和明确。。这些步伐配相助用，，，，犹如为网站结构这座大厦加固地基、疏通管道，，，，确保了其恒久稳固与高效运行，，，，最终在搜索效果中获得更佳的可见性。。