引言：AGI 研究的崛起
在 2025 年，AGI（通用人工智慧）研究迎來了新的里程碑。ByteDance Research 推出了基於強化學習的智能體應用 PaSa，這款工具能夠在短短兩分鐘內完成繁瑣的學術論文調研。與此同時，字節豆包大模型團隊也成立了代號為“Seed Edge”的 AGI 長期研究團隊，專注於探索更具挑戰性的 AGI 課題。這些舉措標誌著 AGI 研究的重大進展，並為未來的技術創新奠定了基礎。
本文大綱
AGI 的重要性與背景
AGI 的研究不僅是人工智慧領域的一個重要里程碑，更是科技界的一次重大突破。隨著技術的進步，AGI 的應用範圍不斷擴大，從自動駕駛到醫療診斷，AGI 的潛力無窮。ByteDance 的 PaSa 和 Seed Edge 項目正是這一趨勢的典型代表。PaSa 的推出，讓學術研究者能夠更高效地進行文獻調研，從而將更多的時間投入到創新研究中。
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 的革新與影響
PaSa 是 ByteDance Research 推出的學術論文檢索工具，能夠模仿人類研究者的行為，快速調研相關學術論文。根據研究，PaSa 在學術 Query 測試集上的表現大幅超越了 Google、Google Scholar 等主流檢索工具。PaSa-7b 在 Recall@20 和 Recall@50 上分別提升了 37.78% 和 39.90%。這樣的性能提升得益於其核心組件 Crawler 和 Selector 的協同工作，前者負責最大化相關論文的召回率，後者則專注於精確性。
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
Seed Edge 的前沿探索
字節豆包大模型團隊的 Seed Edge 項目旨在探索 AGI 的新方法，並確定了五大研究方向，包括推理能力的邊界、感知能力的邊界、下一代模型設計等。Seed Edge 鼓勵跨模態、跨團隊合作，並提供充足的算力資源和寬鬆的研究環境，以支持長期的顛覆性研究。這一策略顯示了字節對 AGI 研究的長期承諾和戰略決心。
Source: 字节启动AGI长期研究计划，代号Seed Edge from jiqizhixin
結論：AGI 研究的未來展望
ByteDance 的 PaSa 和 Seed Edge 項目展示了 AGI 研究的巨大潛力。PaSa 的高效檢索能力和 Seed Edge 的前沿探索為未來的技術創新提供了堅實的基礎。隨著 AGI 研究的深入，我們可以期待更多突破性的發現和應用。您是否準備好迎接 AGI 帶來的變革？
這些項目不僅推動了 AGI 研究的進步，也為未來的技術創新奠定了基礎。隨著 AGI 研究的深入，我們可以期待更多突破性的發現和應用。您是否準備好迎接 AGI 帶來的變革？
Read more about PaSa and Seed Edge
PaSa：革新學術論文檢索
在當今的學術研究中，快速而精確的文獻檢索是研究者們面臨的一大挑戰。ByteDance Research 推出的 PaSa 工具，正是為了解決這一問題而誕生。PaSa 是一款基於強化學習的學術論文檢索工具，能夠模仿人類研究者的行為，迅速完成學術論文的調研。這一創新不僅提升了研究效率，還為學術界帶來了全新的研究方式。
PaSa 的技術優勢
PaSa 的核心技術在於其獨特的 Crawler 和 Selector 組件。Crawler 負責最大化相關論文的召回率，通過自主調用搜索工具、閱讀論文、擴展參考文獻，來收集與用戶 Query 相關的學術論文。Selector 則專注於精確性，精讀 Crawler 找到的每一篇論文，決定其是否滿足用戶的需求。這種協同工作模式，使得 PaSa 在學術 Query 測試集上的表現大幅超越了 Google、Google Scholar 等主流檢索工具。
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
性能提升與數據支持
根據研究，PaSa-7b 在 Recall@20 和 Recall@50 上分別提升了 37.78% 和 39.90%。這樣的性能提升得益於其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的論文，基於每篇論文中“Related Work”部分的描述及其引用的相關文獻，生成學術問題和對應的相關論文列表。這一數據集包含了 36k 條數據，每條數據包含一個 AI 領域的學術問題及相關論文。
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
實驗結果與未來展望
在 AutoScholarQuery 測試集上，PaSa-7b 的效果優於其他所有的基線模型。與最強的基線 PaSa-GPT-4o 相比，在準確率相當的情況下，PaSa-7b 的召回率提高了 9.64%，Crawler 召回率提高了 3.66%。這些數據顯示了 PaSa 在學術檢索中的強大潛力。
PaSa 的推出，不僅為學術研究者提供了一個高效的工具，也為未來的技術創新奠定了基礎。隨著 PaSa 的不斷發展，我們可以期待更多突破性的發現和應用。
Read more about PaSa and Seed Edge
Seed Edge：AGI 研究的新前沿
在人工智慧（AI）研究的前沿，字节豆包大模型團隊的 Seed Edge 項目正以其獨特的視角和創新方法，探索通用人工智慧（AGI）的新領域。這一項目不僅代表了字节在 AGI 研究上的長期承諾，也展示了其在技術創新和研究環境上的戰略決心。
Seed Edge 的研究方向
Seed Edge 項目初步確定了五大研究方向，這些方向不僅涵蓋了 AGI 的核心挑戰，也為未來的技術突破提供了廣闊的空間。這些研究方向包括：
- 推理能力的邊界：探索 AGI 在複雜推理任務中的極限，尋找突破現有技術瓶頸的方法。
- 感知能力的邊界：研究 AGI 如何更好地理解和解釋多模態數據，提升其感知能力。
- 下一代模型設計：開發軟硬一體的模型設計，提升 AGI 的計算效率和適應性。
- 下一代 AI 學習範式：探索新的學習方法，提升 AGI 的自主學習能力。
- 下一個 scaling 方向：研究如何有效地擴展 AGI 模型的規模和能力。
這些研究方向的確定，顯示了 Seed Edge 在 AGI 領域的前瞻性和創新性。
跨模態與跨團隊合作
Seed Edge 項目強調跨模態和跨團隊的合作，這種合作模式不僅促進了不同領域的知識交流，也為 AGI 研究帶來了新的視角。項目成員被鼓勵在寬鬆的研究環境中，探索具有不確定性和挑戰性的課題。這種開放的研究氛圍，為 AGI 的長期發展提供了堅實的基礎。
Source: 字节启动AGI长期研究计划，代号Seed Edge from jiqizhixin
資源支持與人才培養
為了支持 Seed Edge 的長期研究，字节提供了充足的算力資源和寬鬆的考核方式，這些資源保障了研究的持續性和創新性。此外，字节還啟動了“Top Seed 人才計劃”，以極具競爭力的待遇在全球招募頂尖博士畢業生，這些人才的加入，為 Seed Edge 的研究注入了新的活力。
在短短數月內，豆包大模型團隊已經在 ICLR、CVPR、NeurIPS 等頂會上發表了 57 篇論文，這些研究成果不僅展示了 Seed Edge 的研究實力，也為 AGI 的未來發展奠定了基礎。
結論
Seed Edge 項目以其創新的研究方向和開放的合作模式，為 AGI 研究開闢了新的前沿。隨著研究的深入，我們可以期待更多突破性的發現和應用。字节的長期承諾和戰略決心，將在未來的 AGI 研究中發揮重要作用。
PaSa 與 Seed Edge 的比較
在人工智慧（AI）研究的領域中，ByteDance 的 PaSa 和 Seed Edge 項目各自展現了其獨特的優勢和貢獻。這兩個項目雖然在目標和技術上有所不同，但都致力於推動通用人工智慧（AGI）研究的進步。以下將從多個角度對這兩個項目進行詳細比較。
目標與技術
PaSa 的主要目標是革新學術論文檢索，通過模仿人類研究者的行為，快速調研相關學術論文。其核心技術包括強化學習和大型語言模型（LLM）智能體，這使得 PaSa 能夠在學術 Query 測試集上大幅超越 Google、Google Scholar 等主流檢索工具。根據研究，PaSa-7b 在 Recall@20 和 Recall@50 上分別提升了 37.78% 和 39.90%。
相較之下，Seed Edge 的目標則是探索 AGI 的新方法，並確定了五大研究方向，包括推理能力的邊界、感知能力的邊界、下一代模型設計等。Seed Edge 強調跨模態合作和長期研究，並提供充足的算力資源和寬鬆的研究環境，以支持長期的顛覆性研究。
研究方向與資源
PaSa 的研究方向主要集中在學術論文檢索和引文網絡，通過開源數據和代碼，促進學術界的廣泛應用和合作。其核心組件 Crawler 和 Selector 的協同工作，前者負責最大化相關論文的召回率，後者則專注於精確性。
Seed Edge 則在更廣泛的 AGI 領域進行探索，研究方向包括推理能力、感知能力、下一代 AI 學習範式等。Seed Edge 的研究資源包括獨立的算力資源和“Top Seed 人才計劃”，以吸引全球頂尖博士畢業生加入，這些資源保障了研究的持續性和創新性。
成果與影響
PaSa 的高效檢索能力已經在學術界引起了廣泛關注，其開源的數據和代碼為研究者提供了強大的工具支持。Seed Edge 則在短短數月內，已經在 ICLR、CVPR、NeurIPS 等頂會上發表了 57 篇論文，這些研究成果不僅展示了 Seed Edge 的研究實力，也為 AGI 的未來發展奠定了基礎。
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
結論
總結來說，PaSa 和 Seed Edge 各自在其專注的領域中發揮了重要作用。PaSa 的高效檢索能力和 Seed Edge 的前沿探索為未來的技術創新提供了堅實的基礎。隨著 AGI 研究的深入，我們可以期待更多突破性的發現和應用。這兩個項目的成功不僅展示了 ByteDance 在 AGI 研究上的長期承諾，也為未來的技術創新奠定了基礎。
結論：AGI 研究的未來展望
在 2025 年，AGI（通用人工智慧）研究的進展不僅僅是技術上的突破，更是對未來科技創新的深刻影響。ByteDance 的 PaSa 和 Seed Edge 項目展示了 AGI 研究的巨大潛力，這些項目不僅在各自的領域中取得了顯著的成就，還為未來的技術創新提供了堅實的基礎。
PaSa 的高效檢索能力
PaSa 作為一款學術論文檢索工具，已經在學術界引起了廣泛關注。其核心技術包括強化學習和大型語言模型（LLM）智能體，這使得 PaSa 能夠在學術 Query 測試集上大幅超越 Google、Google Scholar 等主流檢索工具。根據研究，PaSa-7b 在 Recall@20 和 Recall@50 上分別提升了 37.78% 和 39.90%。這樣的性能提升得益於其核心組件 Crawler 和 Selector 的協同工作，前者負責最大化相關論文的召回率，後者則專注於精確性。
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
Seed Edge 的前沿探索
Seed Edge 項目則在更廣泛的 AGI 領域進行探索，研究方向包括推理能力、感知能力、下一代 AI 學習範式等。Seed Edge 的研究資源包括獨立的算力資源和“Top Seed 人才計劃”，以吸引全球頂尖博士畢業生加入，這些資源保障了研究的持續性和創新性。Seed Edge 在短短數月內，已經在 ICLR、CVPR、NeurIPS 等頂會上發表了 57 篇論文，這些研究成果不僅展示了 Seed Edge 的研究實力，也為 AGI 的未來發展奠定了基礎。
未來的技術創新
總結來說，PaSa 和 Seed Edge 各自在其專注的領域中發揮了重要作用。PaSa 的高效檢索能力和 Seed Edge 的前沿探索為未來的技術創新提供了堅實的基礎。隨著 AGI 研究的深入，我們可以期待更多突破性的發現和應用。這兩個項目的成功不僅展示了 ByteDance 在 AGI 研究上的長期承諾，也為未來的技術創新奠定了基礎。