Utover en enkelt kurve observerte forskerne også at læringshastigheten til de fremste agentene omtrent dobler seg hver tredje måned på tvers av ulike modellgenerasjoner. Dette tyder på en sammensatt effekt: jo lenger agenter opererer i virkelige omgivelser, jo raskere lærer de, og hver nye modellgenerasjon starter fra et høyere utgangspunkt.

Testarenaen: EdgeBench

For å gjøre denne oppdagelsen mulig utviklet teamet et nytt evalueringsrammeverk kalt EdgeBench, lansert 2. juli 2026. EdgeBench er en samling av 134 virkelighetsoppgaver fordelt på seks domener:

• Vitenskapelige oppdagelser
• Programvareutvikling
• Kombinatorisk optimalisering
• Profesjonelt kunnskapsarbeid
• Formell matematikk
• Interaktive spill

Hver oppgave krever minst 12 timer sammenhengende agentdrift med rik, flernivåbasert tilbakemelding. Forskningsartikkelen og et evalueringsrammeverk med 51 offentlig tilgjengelige oppgaver ble publisert 2. juli. Teamet analyserte omtrent 38 000 timer med agentinteraksjonsdata på tvers av disse oppgavene for å identifisere skaleringsloven.

Hvorfor dette betyr noe: Slutten på mer-data-skalering

Tradisjonell KI-skalering – å kaste mer data og mer regnekraft på større modeller – støter mot en vegg. Epoch AI har advart om at offentlig tilgjengelig menneskeskapt tekstdata kan være oppbrukt innen seks år, noe som gjør skalering av data og regnekraft uholdbar.

Ledende skikkelser i KI-bransjen har også påpekt dette problemet. Andrej Karpathy har bemerket at det gamle "mer data, mer regnekraft"-paradigmet ikke kan vare evig.

ByteDances funn åpner en ny, målbar dimensjon for KI-forbedring: læring etter utrulling gjennom interaksjon med den virkelige verden. I stedet for å utelukkende stole på forhåndsopplæringsskalering, kan KI-agenter fortsette å forbedre seg forutsigbart gjennom utvidet virkelig erfaring – en vei som er langt mindre ressursbegrenset enn å samle stadig større datasett.

Presisjonen i den log-sigmoide loven (R² = 0,998) er avgjørende. Den muliggjør prognostisering av senere ytelse basert på tidlige interaksjonsmønstre, noe som gjør læring hos agenter til et systematisk og forutsigbart skaleringsobjekt i stedet for en uforutsigbar sort boks. For utviklere og bedrifter betyr dette at avkastningen på å la en agent jobbe lenger i en virkelig setting kan beregnes på forhånd.

Hva dette betyr fremover

Denne oppdagelsen handler ikke bare om å oppgradere eksisterende KI-systemer – den peker mot en fundamentalt annerledes utviklingsstrategi. I stedet for å bygge stadig større modeller trent på begrenset internetdata, kan forskere bygge agenter som forbedrer seg gjennom bruk. Fordi læringshastigheten dobler seg hver tredje måned, vil gapet mellom en nylig utrullet agent og en erfaren agent vokse raskt, noe som gjør vedvarende, lengelevende agentsystemer stadig mer verdifulle.

For en KI-bransje som leter etter sin neste vekstmotor etter forhåndsopplæringsboomen, tilbyr ByteDance Seeds oppdagelse et databasert svar: la agentene lære mens de jobber.

Utover en enkelt kurve observerte forskerne også at læringshastigheten til de fremste agentene omtrent dobler seg hver tredje måned på tvers av ulike modellgenerasjoner. Dette tyder på en sammensatt effekt: jo lenger agenter opererer i virkelige omgivelser, jo raskere lærer de, og hver nye modellgenerasjon starter fra et høyere utgangspunkt.

Testarenaen: EdgeBench

For å gjøre denne oppdagelsen mulig utviklet teamet et nytt evalueringsrammeverk kalt EdgeBench, lansert 2. juli 2026. EdgeBench er en samling av 134 virkelighetsoppgaver fordelt på seks domener:

• Vitenskapelige oppdagelser
• Programvareutvikling
• Kombinatorisk optimalisering
• Profesjonelt kunnskapsarbeid
• Formell matematikk
• Interaktive spill

Hver oppgave krever minst 12 timer sammenhengende agentdrift med rik, flernivåbasert tilbakemelding. Forskningsartikkelen og et evalueringsrammeverk med 51 offentlig tilgjengelige oppgaver ble publisert 2. juli. Teamet analyserte omtrent 38 000 timer med agentinteraksjonsdata på tvers av disse oppgavene for å identifisere skaleringsloven.

Hvorfor dette betyr noe: Slutten på mer-data-skalering

Tradisjonell KI-skalering – å kaste mer data og mer regnekraft på større modeller – støter mot en vegg. Epoch AI har advart om at offentlig tilgjengelig menneskeskapt tekstdata kan være oppbrukt innen seks år, noe som gjør skalering av data og regnekraft uholdbar.

Ledende skikkelser i KI-bransjen har også påpekt dette problemet. Andrej Karpathy har bemerket at det gamle "mer data, mer regnekraft"-paradigmet ikke kan vare evig.

ByteDances funn åpner en ny, målbar dimensjon for KI-forbedring: læring etter utrulling gjennom interaksjon med den virkelige verden. I stedet for å utelukkende stole på forhåndsopplæringsskalering, kan KI-agenter fortsette å forbedre seg forutsigbart gjennom utvidet virkelig erfaring – en vei som er langt mindre ressursbegrenset enn å samle stadig større datasett.

Presisjonen i den log-sigmoide loven (R² = 0,998) er avgjørende. Den muliggjør prognostisering av senere ytelse basert på tidlige interaksjonsmønstre, noe som gjør læring hos agenter til et systematisk og forutsigbart skaleringsobjekt i stedet for en uforutsigbar sort boks. For utviklere og bedrifter betyr dette at avkastningen på å la en agent jobbe lenger i en virkelig setting kan beregnes på forhånd.

Hva dette betyr fremover

Denne oppdagelsen handler ikke bare om å oppgradere eksisterende KI-systemer – den peker mot en fundamentalt annerledes utviklingsstrategi. I stedet for å bygge stadig større modeller trent på begrenset internetdata, kan forskere bygge agenter som forbedrer seg gjennom bruk. Fordi læringshastigheten dobler seg hver tredje måned, vil gapet mellom en nylig utrullet agent og en erfaren agent vokse raskt, noe som gjør vedvarende, lengelevende agentsystemer stadig mer verdifulle.

For en KI-bransje som leter etter sin neste vekstmotor etter forhåndsopplæringsboomen, tilbyr ByteDance Seeds oppdagelse et databasert svar: la agentene lære mens de jobber.