ByteDance ontdekt nieuwe schaling-wet die AI-boom kan volhouden
Onderzoekers bij het Chinese techbedrijf hebben geanalyseerd hoe snel AI-agenten kunnen verbeteren door echte taken uit te voeren. ByteDance's Seed AI-team onthulde in een onderzoeksartikel dat AI-agenten hun leertempo elke drie maanden kunnen verdubbelen door langdurig met echte omgevingen om te gaan.
De bevinding komt voort uit een onderzoekspapier dat donderdag werd gepubliceerd en waarin ByteDance's Seed AI-team onthulde dat AI-agenten – autonome software die taken namens een mens uitvoert – hun leertempo elke drie maanden kunnen verdubbelen door langdurig met echte omgevingen om te gaan.
De ontdekking komt op het moment dat de wereldwijde AI-industrie naar nieuwe manieren zoekt om modellen te verbeteren. Jarenlang vertrouwden ontwikkelaars erop dat ze systemen meer data en rekenkracht gaven tijdens de initiële training, maar prominente branchedeskundigen – onder wie OpenAI-medeoprichter Andrej Karpathy – hebben gewaarschuwd dat deze brute-force-aanpak niet voor altijd kan voortduren.
Ondanks het feit dat techbedrijven echter overstappen op agentic AI, merkten ByteDance-onderzoekers in het papier op dat hoe deze autonome systemen "na uitrol uit echte omgevingen leren nog veel minder wordt begrepen".
Om het probleem aan te pakken, ontwikkelde het team EdgeBench, een benchmarking-suite met 134 ultralangdurige taken die een breed scala omspannen, van softwareengineering en wetenschappelijke ontdekkingen tot formele wiskunde en professioneel kenniswerk. Elke taak vereist minstens 12 uur continue werking van de AI-agent.
