字节跳动Seed团队发现全新AI缩放定律：对数Sigmoid曲线，学习速度每三个月翻倍

• 科学发现
• 软件工程
• 组合优化
• 专业知识工作
• 形式化数学
• 交互游戏

每项任务要求智能体在丰富的、多层次反馈下，连续运行至少12小时。该研究论文及包含51项公开任务的评估框架已于7月2日发表。 团队分析了这些任务中约38,000小时的智能体交互数据，从而识别出了这个缩放定律。

为何重要：“堆数据”模式走到尽头

传统的AI规模扩展——为更大的模型投入更多的数据和算力——正遭遇瓶颈。Epoch AI发出警告，公开可用的人类生成文本数据可能在六年内被耗尽，这使得单纯依靠数据和算力的野蛮扩展模式难以为继。

AI行业领袖也指出了这个问题。安德烈·卡帕西（Andrej Karpathy）就曾表示，旧的“更多数据，更多算力”模式不可能永远持续下去。

字节跳动的发现开启了衡量AI进步的一个新维度：部署后通过真实世界交互学习。这意味着AI智能体无需完全依赖预训练规模，还可以通过持续的真实世界体验以可预测的方式提升能力——这条路受到的数据资源限制远比囤积海量数据集要小得多。

对数Sigmoid定律极高的精确度（R²=0.998）是关键。它使得根据早期交互轨迹预测后期性能成为可能，将智能体学习从一个不可预测的“黑箱”变成了一个系统可衡量的缩放过程。 对于开发者和企业来说，这意味着可以提前计算出让智能体在真实环境中运行更长时间的投资回报率（ROI）。

未来展望

这一发现的意义不仅仅是“改进现有AI系统”，它指向一种根本不同的发展战略：与其不断制造依靠有限的互联网数据训练出来的更大模型，不如打造那些通过持续使用而不断进步的智能体。学习速度每三个月翻一番的现象表明，新部署的智能体与经验丰富的智能体之间的差距会迅速拉大，这使得长期运行的、持久的智能体系统越来越有价值。

对于正在预训练规模扩展热潮之后寻找下一个增长点的AI产业而言，字节跳动Seed团队的这一发现提供了一个有数据支撑的答案：让智能体在工作中学习。