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，，，，
，，修睦一个模？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

伊春市，，，，
，，位于中国东北部的黑龙江。。。。。。，，，
，，是一座充满生气与魅力的都会。。。。。。在这个漂亮的都会里，，，，
，，怎样让你的企业或个人品牌在网络天下中脱颖而出，，，，
，，成为公共心中的“佼佼者”，，，，
，，是一个值得深思的话题。。。。。。今天，，，，
，，我们将聊聊怎样通过百度SEO排名优化，，，，
，，让你的企业或个人品牌在伊春市以致天下规模内蜕变为网络巨头。。。。。。

让我们来相识一下什么是百度SEO排名优化。。。。。。SEO，，，，
，，全称是搜索引擎优化（Search Engine Optimization），，，，
，，是一种通过优化网站内容和结构，，，，
，，提高网站在搜索引擎（如百度、谷歌等）中排名的要领。。。。。。百度SEO排名优化则是专指通过优化战略，，，，
，，提升在百度搜索效果中的排名。。。。。。在伊春市，，，，
，，怎样让你的企业或个人品牌在百度上获得更高的排名，，，，
，，成为了一项主要的课题。。。。。。

怎样举行有用的百度SEO排名优化呢？？下面，，，，
，，我们将详细剖析几个要害方法，，，，
，，资助你逐步实现这一目的。。。。。。

一、要害词研究与选择

在百度SEO排名优化中，，，，
，，要害词研究与选择是第一步，，，，
，，也是最要害的一步。。。。。。要害词是用户在百度中输入的搜索词，，，，
，，它们决议了你的网站在搜索效果中的位置。。。。。。因此，，，，
，，选择合适的要害词至关主要。。。。。。

在伊春市，，，，
，，你需要凭证外地的市场需求和用户习惯，，，，
，，举行要害词研究。。。。。。？梢酝ü韵录钢忠欤

• 使用百度要害词工具：百度要害词工具可以资助你审查某个要害词的搜索量、竞争度等信息，，，，
  ，，从而选择适合的要害词。。。。。。
• 剖析竞争敌手：通过研究竞争敌手的网站，，，，
  ，，相识他们使用的要害词，，，，
  ，，可以为你的要害词选择提供参考。。。。。。
• 用户调研：通过调盘问卷或直接与潜在客户攀谈，，，，
  ，，相识他们在百度中搜索什么内容，，，，
  ，，从而选择最切合他们需求的要害词。。。。。。

例如，，，，
，，若是你在伊春市谋齐整家木匠工坊，，，，
，，可以通过以上要领选择“伊春木匠”、“伊春定制家具”等要害词，，，，
，，并在网站中举行优化。。。。。。

二、网站内容优化

选摘要害词之后，，，，
，，下一步就是怎样在网站中有用地展示这些要害词，，，，
，，提高百度对你网站的评分。。。。。。内容优化是网站SEO的焦点，，，，
，，高质量的内容不但能吸引用户，，，，
，，还能提高网站在百度中的排名。。。。。。

• 要害词密度：在网站内容中合理地漫衍要害词，，，，
  ，，阻止太过使用，，，，
  ，，这会被百度算作“堆叠要害词”的行为。。。。。。
• 长尾要害词：选择一些长尾要害词，，，，
  ，，这些要害词虽然搜索量较。。。。。。，，，
  ，，但竞争较。。。。。。，，，
  ，，易于排名。。。。。。
• 高质量内容：确保网站内容有价值，，，，
  ，，内容原创，，，，
  ，，能够解决用户的问题，，，，
  ，，吸引用户长时间浏览。。。。。。
• 图片和视频：适当加入图片和视频，，，，
  ，，不但能提高用户体验，，，，
  ，，还能提升百度对网站的评分。。。。。。

例如，，，，
，，若是你谋划的是一家伊春木匠工坊，，，，
，，可以在网站中宣布一些关于“伊春木匠”的详细先容、制作历程的图文并茂的案例、客户评价等，，，，
，，这样既能展示你的专业性，，，，
，，又能吸引更多用户。。。。。。

三、外部链接建设

外部链接建设是提高百度SEO排名的主要手段之一。。。。。。通过合理的外部链接建设，，，，
，，可以提高网站的权威性和可信度，，，，
，，从而提升百度对你网站的评分。。。。。。

• 博客和论坛：在博客和论坛中宣布有关你行业的文章，，，，
  ，，并在文章中合理地加入你网站的链接。。。。。。
• 相助网站：与其他相关领域的网站举行相助，，，，
  ，，相互链接，，，，
  ，，提升双方的权威性。。。。。。
• 社交媒体：通过社交媒体平台分享你的网站内容，，，，
  ，，并在分享时加入外部链接。。。。。。

例如，，，，
，，若是你谋划的是一家伊春木匠工坊，，，，
，，可以在一些木匠论坛或博客中宣布有关木匠制作的文章，，，，
，，并在文章中加入你工坊的链接，，，，
，，吸引更多的木匠喜欢者和潜在客户。。。。。。

四、网站手艺优化

除了内容优化和外部链接建设，，，，
，，网站手艺优化也是百度SEO排名优化的主要组成部分。。。。。。一个手艺优化优异的网站，，，，
，，不但能提高用户体验，，，，
，，还能提升百度对网站的评分。。。。。。

• 网站加载速率：确保网站加载速率快，，，，
  ，，用户体验好，，，，
  ，，这是百度评分的主要指标。。。。。。
• 移动端适配：确保网站在移动端浏览优异，，，，
  ，，百度对移动端优化的重视水平越来越高。。。。。。
• URL结构：确保网站的URL结构清晰，，，，
  ，，易于百度爬虫剖析。。。。。。
• 内部链接：合理地设置内部链接，，，，
  ，，资助百度爬虫更好地抓取网站内容。。。。。。

例如，，，，
，，若是你谋划的是一家伊春木匠工坊，，，，
，，可以通过优化网站的加载速率，，，，
，，确保网站在移动端也能优异显示，，，，
，，设置清晰的URL结构和内部链接，，，，
，，从而提高百度对你网站的评分。。。。。。

五、一连监测和调解

• 百度统计：使用百

  度统计工具，，，，
  ，，监测网站的流量、用户行为等数据，，，，
  ，，相识网站的体现，，，，
  ，，并凭证数据举行优化。。。。。。

• 要害词排名：按期审查要害词的排名情形，，，，
  ，，相识要害词是否有所提升，，，，
  ，，并凭证情形调解优化战略。。。。。。
• 用户反。。。。。。通过用户反馈相识用户的体验和需求，，，，
  ，，从而一直刷新网站内容和服务。。。。。。
• 竞争敌手剖析：一连关注竞争敌手的动向，，，，
  ，，相识他们的优化战略，，，，
  ，，并实时调解自己的战略。。。。。。

例如，，，，
，，若是你谋划的是一家伊春木匠工坊，，，，
，，可以使用百度统计工具监测网站的流量和用户行为，，，，
，，审查要害词排名是否有所提升，，，，
，，同时网络客户反。。。。。。，，，
，，相识他们的需求和建议，，，，
，，并凭证数据和反馈一直优化你的网站内容和服务。。。。。。

六、外地SEO优化

在伊春市举行SEO优化时，，，，
，，外地SEO优化也是很是主要的一环。。。。。。外地SEO优化旨在提高在外地搜索效果中的排名，，，，
，，吸引更多的外地用户。。。。。。

• 百度地图优化：在百度地图上注册你的企业或服务，，，，
  ，，并填写详细的信息，，，，
  ，，包括地点、电话、营业时间等。。。。。。百度地图优化可以资助你在外地搜索效果中获得更高的曝光。。。。。。
• 外地要害词：选择一些与外地相关的要害词，，，，
  ，，如“伊春木匠”、“伊春定制家具”等，，，，
  ，，在网站内容中举行优化。。。。。。
• 外地内容：在网站中宣布一些与外地相关的内容，，，，
  ，，如外地木匠文化、伊春的旅游景点等，，，，
  ，，吸引更多的外地用户。。。。。。
• 外地活动：加入或组织一些外地活动，，，，
  ，，如木匠展览、家具展销会等，，，，
  ，，并在网站中举行宣传，，，，
  ，，提高外地用户的关注度。。。。。。

例如，，，，
，，若是你谋划的是一家伊春木匠工坊，，，，
，，可以在百度地图上注册你的工坊，，，，
，，填写详细信息，，，，
，，并在网站中宣布一些关于伊春木匠文化的内容，，，，
，，吸引更多的外地用户。。。。。。

七、使用社交媒体举行推广

社交媒体在现代营销中饰演着主要的角色，，，，
，，通过社交媒体举行推广，，，，
，，可以吸引更多的用户，，，，
，，提高网站的曝光度。。。。。。

• 微信公众号：建设一个微信公众号，，，，
  ，，宣布与你的营业相关的内容，，，，
  ，，吸引用户关注和互动。。。。。。
• 微博：在微博上宣布一些与你的营业相关的内容，，，，
  ，，与粉丝互动，，，，
  ，，提高品牌着名度。。。。。。
• 抖音：在抖音上宣布一些有趣的木匠制作历程视频，，，，
  ，，吸引用户关注和分享。。。。。。
• 微信小程序：开发一个微信小程序，，，，
  ，，利便用户在移动端审查你的营业信息，，，，
  ，，举行在线预约等。。。。。。

例如，，，，
，，若是你谋划的是一家伊春木匠工坊，，，，
，，可以在微信公众号上宣布木匠制作的历程视频，，，，
，，在微博上与粉丝互动，，，，
，，在抖音上宣布有趣的制作历程视频，，，，
，，吸引更多的用户关注和分享。。。。。。

通过以上这些要领，，，，
，，你的企业或个人品牌在伊春市的百度SEO排名将获得显著提升，，，，
，，吸引更多的潜在客户，，，，
，，从而实现营业的增添和生长。。。。。。记。。。。。。，，，
，，SEO优化是一个恒久的历程，，，，
，，需要一连的起劲和调解，，，，
，，但只要你坚持不懈，，，，
，，就一定能在网络天下中脱颖而出。。。。。。