引言：字节跳动的 AGI 研究计划

在 2025 年，字节跳动的豆包大模型团队宣布成立了一个名为“Seed Edge”的 AGI 长期研究团队。这一计划的推出标志着字节跳动在人工智能通用智能（AGI）领域的雄心壮志。Seed Edge 的成立不仅是为了探索 AGI 的新方法，还旨在为研究人员提供一个宽松的环境，以便他们能够在更长的周期内进行具有不确定性和大胆的研究。

背景与目标

字节跳动的 AGI 研究计划的背景可以追溯到近年来人工智能技术的迅猛发展。随着 AI 技术在各个领域的应用不断深入，AGI 的研究成为了科技公司争相投入的热点。字节跳动通过 Seed Edge 项目，旨在探索 AGI 的新方法，推动跨模态、跨团队的合作，以实现技术的突破。

Seed Edge 的目标是通过五大研究方向来突破现有 AI 技术的限制。这些方向包括探索推理能力的边界、感知能力的边界、软硬一体的下一代模型设计、下一代 AI 学习范式、以及下一个 scaling 方向。这些研究方向不仅为 AGI 的发展奠定了基础，也为字节跳动在 AI 领域的长期战略提供了支持。

研究环境与资源

为了保障 Seed Edge 项目的顺利进行，字节跳动为其提供了独立的算力资源和宽松的研究环境。项目成员被鼓励进行跨模态、跨团队的合作，以便在更长的周期内进行具有挑战性的研究。字节跳动还通过“Top Seed 人才计划”在全球范围内招募顶尖博士毕业生，以确保研究团队的高水平和多样性。

Source: 字节启动AGI长期研究计划，代号Seed Edge from Jiqizhixin

未来展望

随着 Seed Edge 项目的深入，字节跳动在 AGI 领域的研究有望取得更多突破。对于有志于参与 AGI 研究的学者和工程师，字节跳动提供了一个充满机遇的平台。未来，随着这些研究的深入，字节跳动有望在 AGI 领域取得更多突破，为全球的 AI 研究贡献力量。

通过 Seed Edge 项目，字节跳动不仅展示了其在 AGI 研究领域的雄心和实力，也为未来的 AI 发展奠定了坚实的基础。随着技术的不断进步，AGI 的实现将不再是遥不可及的梦想，而是一个可以通过持续努力和创新来实现的目标。

Seed Edge 的研究方向

字节跳动的“Seed Edge”项目在人工智能通用智能（AGI）研究中，设定了五大核心研究方向。这些方向不仅旨在突破现有技术的限制，还为未来的AGI发展奠定了坚实的基础。以下是对这五大研究方向的详细探讨。

探索推理能力的边界

推理能力是AGI的核心要素之一。字节跳动的研究团队致力于探索如何提升AI系统的推理能力，使其能够在复杂环境中进行高效决策。通过结合符号推理和深度学习技术，Seed Edge团队希望开发出能够处理不确定性和模糊信息的AI模型。

在这一研究方向中，团队将重点放在开发能够模拟人类推理过程的算法上。这些算法不仅需要具备强大的计算能力，还需能够在多变的环境中进行自我调整和学习。通过这种方式，AI系统将能够在面对新问题时，快速适应并提供有效的解决方案。

探索感知能力的边界

感知能力是AI理解和互动世界的基础。Seed Edge团队正在研究如何提升AI的感知能力，使其能够更准确地理解和解释复杂的视觉、听觉和其他感官信息。通过整合多模态数据，团队希望开发出能够在多种环境中高效工作的AI系统。

在这一领域，研究人员正在探索如何利用先进的传感器技术和深度学习算法，提升AI的感知精度和速度。通过这种方式，AI系统将能够在动态环境中进行实时分析和决策，从而提高其在实际应用中的效能。

探索软硬一体的下一代模型设计

软硬一体化设计是提升AI系统性能的关键。Seed Edge团队正在研究如何通过优化硬件架构和软件算法的结合，提升AI系统的整体性能。通过这种方式，团队希望开发出更高效、更节能的AI解决方案。

在这一研究方向中，团队将重点放在开发能够在资源受限环境中高效运行的AI模型上。这些模型不仅需要具备强大的计算能力，还需能够在多种硬件平台上灵活部署。通过这种方式，AI系统将能够在更广泛的应用场景中发挥作用。

探索下一代 AI 学习范式

学习范式的创新是推动AGI发展的重要动力。Seed Edge团队正在研究如何通过引入新的学习机制，提升AI系统的学习效率和能力。通过这种方式，团队希望开发出能够在更短时间内掌握复杂任务的AI系统。

在这一领域，研究人员正在探索如何利用强化学习、迁移学习和自监督学习等技术，提升AI的学习能力。通过这种方式，AI系统将能够在面对新任务时，快速适应并提供有效的解决方案。

探索下一个 scaling 方向

Scaling是提升AI系统性能的关键。Seed Edge团队正在研究如何通过优化模型架构和训练算法，提升AI系统的扩展能力。通过这种方式，团队希望开发出能够在大规模数据集上高效训练的AI模型。

在这一研究方向中，团队将重点放在开发能够在大规模分布式环境中高效运行的AI模型上。这些模型不仅需要具备强大的计算能力，还需能够在多种硬件平台上灵活部署。通过这种方式，AI系统将能够在更广泛的应用场景中发挥作用。

Source: 字节启动AGI长期研究计划，代号Seed Edge from Jiqizhixin

通过对这五大研究方向的深入探索，字节跳动的Seed Edge项目不仅展示了其在AGI研究领域的雄心和实力，也为未来的AI发展奠定了坚实的基础。随着技术的不断进步，AGI的实现将不再是遥不可及的梦想，而是一个可以通过持续努力和创新来实现的目标。

PaSa：字节跳动的论文检索智能体

在 2025 年，字节跳动的研究团队推出了一款名为 PaSa 的论文检索智能体，这一创新工具在学术界引起了广泛关注。PaSa 通过强化学习技术，能够在短短两分钟内完成详尽的学术调研，极大地提升了研究效率。与传统的检索工具相比，PaSa 在 Recall@20 和 Recall@50 上分别提升了 37.78% 和 39.90%，展现了其卓越的性能。

PaSa 的功能与优势

PaSa 的设计旨在模拟人类研究者的行为，通过调用搜索引擎、阅读论文和查找参考文献，快速为用户提供全面的学术信息。其核心组件包括两个 LLM Agents：Crawler 和 Selector。Crawler 负责自主调用搜索工具，收集与用户 Query 相关的学术论文；Selector 则负责精读这些论文，判断其是否满足用户需求。这种设计使得 PaSa 能够在学术搜索中提供更高的召回率和精确性。

Source: 2分钟完成论文调研！ByteDance Research推出论文检索智能体PaSa，远超主流检索工具 from Jiqizhixin

PaSa 的优势不仅在于其高效的检索能力，还在于其开放性。研究团队公开了 PaSa 的技术论文，并开源了全部的数据、代码和模型。这一举措不仅促进了学术界的合作与交流，也为其他研究者提供了宝贵的资源。

技术架构与创新

PaSa 的技术架构是其成功的关键。Crawler 和 Selector 的协同工作，使得 PaSa 能够在复杂的学术环境中高效运作。Crawler 的设计旨在最大化相关论文的召回率，而 Selector 则强调精确性，即识别论文是否符合用户需求。通过这种方式，PaSa 能够在短时间内为用户提供最相关的学术信息。

在训练过程中，研究团队构建了一个高质量的学术细粒度 Query 数据集：AutoScholarQuery。该数据集通过收集人工智能领域顶会发表的论文，生成学术问题和对应的相关论文列表。尽管 AutoScholarQuery 缺乏人类科学家发现论文的轨迹数据，但该数据集仍然能够支持对 PaSa 智能体进行强化学习训练。

Source: 2分钟完成论文调研！ByteDance Research推出论文检索智能体PaSa，远超主流检索工具 from Jiqizhixin

实验结果与未来展望

为了验证 PaSa 在真实学术搜索场景中的表现，研究团队开发了一个评测集–RealScholarQuery。实验结果显示，PaSa 在 Recall@20、Recall@50 和 Recall@100 上的表现均优于其他主流检索工具，进一步证明了其在学术搜索中的优势。

PaSa 的推出标志着学术搜索领域的一个重要里程碑。随着技术的不断进步，PaSa 有望在未来的学术研究中发挥更大的作用，为研究者提供更高效、更精准的学术支持。

通过 PaSa 的成功，字节跳动展示了其在 AGI 研究领域的创新能力和技术实力。未来，随着 PaSa 的不断优化和升级，字节跳动有望在 AGI 领域取得更多突破，为全球的学术研究提供更强大的支持。

结语

PaSa 的推出不仅提升了学术研究的效率，也为 AGI 研究的未来发展提供了新的思路。字节跳动通过 PaSa 展示了其在技术创新和学术支持方面的雄心和实力。对于有志于参与 AGI 研究的学者和工程师，字节跳动提供了一个充满机遇的平台。

通过 PaSa 的成功，字节跳动不仅在学术界树立了良好的声誉，也为未来的 AGI 研究奠定了坚实的基础。随着技术的不断进步，PaSa 将继续在学术研究中发挥重要作用，为全球的研究者提供更高效的支持。

PaSa 的技術架構與優勢

在 2025 年，字節跳動推出的 PaSa 智能體在學術界掀起了一場革命。這款基於強化學習的工具，能夠在短短兩分鐘內完成學術調研，極大地提升了研究效率。PaSa 的技術架構是其成功的關鍵，這一架構由兩個核心組件組成：Crawler 和 Selector。這兩個 LLM Agents 的協同工作，使得 PaSa 能夠在複雜的學術環境中高效運作。

Crawler 和 Selector 的協同工作

Crawler 的設計旨在最大化相關論文的召回率。它能夠自主調用搜索工具，收集與用戶 Query 相關的學術論文。這一過程中，Crawler 不僅僅是簡單地收集資料，而是通過多次搜索和擴展引用網絡，評估其行為的長期價值。即使在多步擴展中，Crawler 也能夠發現許多與用戶 Query 相關的論文，即使中間的論文並不直接與用戶需求匹配。

Selector 則負責精讀 Crawler 找到的每一篇論文，判斷其是否滿足用戶需求。這一過程中，Selector 會生成一個 Decision Token，決定論文是否符合用戶 Query 的需要。Token Probability 也可以作為相關性分數，用於最終結果的排序。這種設計使得 PaSa 能夠在學術搜索中提供更高的召回率和精確性。

Source: 2分鐘完成論文調研！ByteDance Research推出論文檢索智能體PaSa，遠超主流檢索工具 from Jiqizhixin

AutoScholarQuery 數據集的應用

在 PaSa 的訓練過程中，研究團隊構建了一個高質量的學術細粒度 Query 數據集：AutoScholarQuery。該數據集通過收集人工智能領域頂會發表的論文，生成學術問題和對應的相關論文列表。儘管 AutoScholarQuery 缺乏人類科學家發現論文的軌跡數據，但該數據集仍然能夠支持對 PaSa 智能體進行強化學習訓練。

在 Crawler 的訓練過程中，面臨兩個主要挑戰：獎勵稀疏性和過長的行動軌跡。為了解決獎勵稀疏性問題，研究團隊引入了 Selector 作為輔助獎勵模型，顯著提升了優化效果。此外，Crawler 在一次執行中可能收集到上百篇文章，導致完整的行動軌跡過長，無法完全輸入到 LLM 的上下文中。為此，團隊提出了一種全新的 session-level PPO 算法，解決這一問題。

Source: 2分鐘完成論文調研！ByteDance Research推出論文檢索智能體PaSa，遠超主流檢索工具 from Jiqizhixin

實驗結果與未來展望

為了驗證 PaSa 在真實學術搜索場景中的表現，研究團隊開發了一個評測集–RealScholarQuery。實驗結果顯示，PaSa 在 Recall@20、Recall@50 和 Recall@100 上的表現均優於其他主流檢索工具，進一步證明了其在學術搜索中的優勢。

PaSa 的推出標誌著學術搜索領域的一個重要里程碑。隨著技術的進步，PaSa 有望在未來的學術研究中發揮更大的作用，為研究者提供更高效、更精準的學術支持。字節跳動通過 PaSa 的成功，展示了其在 AGI 研究領域的創新能力和技術實力。未來，隨著 PaSa 的不斷優化和升級，字節跳動有望在 AGI 領域取得更多突破，為全球的學術研究提供更強大的支持。

結語

PaSa 的推出不僅提升了學術研究的效率，也為 AGI 研究的未來發展提供了新的思路。字節跳動通過 PaSa 展示了其在技術創新和學術支持方面的雄心和實力。對於有志於參與 AGI 研究的學者和工程師，字節跳動提供了一個充滿機遇的平台。

通過 PaSa 的成功，字節跳動不僅在學術界樹立了良好的聲譽，也為未來的 AGI 研究奠定了堅實的基礎。隨著技術的進步，PaSa 將繼續在學術研究中發揮重要作用，為全球的研究者提供更高效的支持。

結論：字节跳动的 AGI 研究展望

字节跳动在 AGI 研究领域的努力，尤其是通过 Seed Edge 和 PaSa 项目，展示了其在技术创新和学术支持方面的雄心和实力。随着这些研究的深入，字节跳动有望在 AGI 领域取得更多突破，为全球的学术研究提供更强大的支持。

未来的研究方向与挑战

字节跳动的 AGI 研究计划不仅仅是技术上的突破，更是对未来人工智能发展方向的深刻思考。Seed Edge 项目通过探索推理能力、感知能力以及软硬一体的模型设计等五大研究方向，致力于突破现有 AI 技术的限制。这些研究方向不仅为 AGI 的发展奠定了基础，也为未来的技术应用提供了广阔的空间。

然而，AGI 研究的道路并不平坦。如何在不确定性中找到突破口，如何在长周期的研究中保持创新活力，都是字节跳动面临的挑战。通过提供宽松的研究环境和充足的算力资源，字节跳动为研究人员创造了一个充满机遇的平台，鼓励他们在挑战中寻找机遇。

PaSa 的成功与启示

PaSa 的推出标志着学术搜索领域的一次重要革新。通过模仿人类研究者的搜索行为，PaSa 在短短两分钟内即可完成详尽的学术调研，大幅提升了研究效率。其在 Recall@20 和 Recall@50 上的表现，分别比 Google 提升了 37.78% 和 39.90%，这不仅展示了其技术优势，也为未来的学术研究提供了新的思路。

Source: 2分鐘完成論文調研！ByteDance Research推出論文檢索智能體PaSa，遠超主流檢索工具 from Jiqizhixin

PaSa 的成功不仅在于其技术架构的创新，更在于其对学术研究的深刻理解。通过构建高质量的学术细粒度 Query 数据集 AutoScholarQuery，PaSa 能够在复杂的学术环境中高效运作。这一成功经验为其他领域的 AI 应用提供了宝贵的借鉴。

结语与展望

字节跳动在 AGI 研究领域的努力，不仅提升了自身的技术实力，也为全球的学术研究提供了新的动力。未来，随着技术的不断进步，字节跳动有望在 AGI 领域取得更多突破，为全球的研究者提供更高效的支持。

对于有志于参与 AGI 研究的学者和工程师，字节跳动提供了一个充满机遇的平台。通过 Seed Edge 和 PaSa 等项目，字节跳动展示了其在技术创新和学术支持方面的雄心和实力。未来，随着这些研究的深入，字节跳动有望在 AGI 领域取得更多突破，为全球的学术研究提供更强大的支持。

字节启动AGI长期研究计划，代号Seed Edge