瀏覽次數: 7

引言：字节跳动的前瞻性研究

在 2025 年，字节跳动以其创新的研究项目再次引起了业界的广泛关注。作为全球领先的科技公司之一，字节跳动的研究团队推出了一系列基于强化学习的智能体应用，尤其是论文检索智能体 PaSa。这一工具的推出标志着字节跳动在 AGI（通用人工智能）领域的又一重大进展。本文将深入探讨字节跳动在 AGI 研究中的新动向，并分析其对未来科技发展的潜在影响。

字节跳动的创新驱动

字节跳动一直以来以其创新能力和技术实力著称。近年来，公司在人工智能领域的投入不断增加，尤其是在 AGI 研究方面。AGI，即通用人工智能，代表着一种能够执行人类所能完成的任何智力任务的人工智能。字节跳动的研究团队通过推出 PaSa 智能体，展示了其在这一领域的前瞻性视野和技术实力。

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

PaSa 智能体的突破性

PaSa 智能体是一款基于强化学习的学术论文检索工具。与传统的检索工具相比，PaSa 能够在短短两分钟内完成详尽的学术调研。其核心组件包括两个 LLM Agents：Crawler 和 Selector。Crawler 负责收集与用户 Query 相关的学术论文，而 Selector 则精读这些论文以确定其是否满足用户需求。研究显示，PaSa 在 Recall@20 和 Recall@50 上分别比 Google 提升了 37.78% 和 39.90%。

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

未来的科技发展潜力

字节跳动在 AGI 研究中的新动向不仅展示了其在科技创新领域的领导地位，也为未来的智能体应用提供了新的可能性。通过 Seed Edge 计划和 PaSa 智能体，字节跳动正在积极探索 AGI 的边界，为学术研究和实际应用带来革命性的变化。未来，随着技术的不断进步，AGI 的发展将为人类社会带来更多的机遇和挑战。

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

通过这些创新，字节跳动不仅在技术上取得了突破，也为未来的科技发展奠定了坚实的基础。随着 AGI 研究的不断深入，字节跳动有望在未来的科技竞争中继续保持领先地位。

字节跳动的 AGI 研究：Seed Edge 計劃

字节跳动在 AGI（通用人工智能）领域的研究一直以来都备受瞩目，而其最新的“Seed Edge”计划更是引发了广泛关注。该计划由字节豆包大模型团队发起，旨在探索 AGI 的新方法，推动跨模态、跨团队的合作，并为研究人员提供宽松的研究环境和充足的算力资源。Seed Edge 的研究方向包括推理能力和感知能力的边界探索、软硬一体的下一代模型设计、AI 学习范式的创新以及新的 scaling 方向。这些研究方向不仅展示了字节跳动在 AGI 领域的战略决心，也为未来的科技创新奠定了基础。

Seed Edge 的研究方向

Seed Edge 计划的核心在于探索 AGI 的新方法，其研究方向涵盖了多个前沿领域：

推理能力的边界探索：研究如何提升 AI 的推理能力，使其能够更好地理解和处理复杂问题。
感知能力的边界探索：探索 AI 在感知和理解多模态信息方面的潜力。
软硬一体的下一代模型设计：开发结合软硬件优势的新型 AI 模型，以提高计算效率和性能。
AI 学习范式的创新：研究新的学习方法和算法，以提升 AI 的自主学习能力。
新的 scaling 方向：探索 AI 模型在大规模数据和计算资源下的扩展能力。

这些研究方向不仅展示了字节跳动在 AGI 领域的战略决心，也为未来的科技创新奠定了基础。

Seed Edge 的实施策略

为了实现这些目标，Seed Edge 计划采取了一系列创新的实施策略：

跨模态、跨团队合作：鼓励不同领域的专家合作，共同攻克 AGI 研究中的难题。
宽松的研究环境：为研究人员提供自由探索的空间，鼓励创新和大胆尝试。
充足的算力资源：提供强大的计算资源支持，确保研究的顺利进行。

此外，字节跳动还通过“Top Seed 人才计划”招募全球顶尖博士毕业生，进一步增强研究团队的实力。短短数月内，豆包大模型团队已在 ICLR、CVPR、NeurIPS 等顶会上发表了 57 篇论文，研究成果包括下载量超百万的开源工作及 GitHub 万星项目。

Seed Edge 的未来展望

Seed Edge 计划的实施不仅为字节跳动在 AGI 领域的研究提供了新的动力，也为整个科技行业带来了新的可能性。随着技术的不断进步，AGI 的发展将为人类社会带来更多的机遇和挑战。字节跳动通过 Seed Edge 计划，正在积极探索 AGI 的边界，为学术研究和实际应用带来革命性的变化。

Source: 字节启动AGI长期研究计划，代号Seed Edge

PaSa 智能体：革新学术研究的工具

在现代学术研究中，信息的获取和处理速度至关重要。字节跳动推出的 PaSa 智能体正是为了解决这一问题而生。作为一款基于强化学习的学术论文检索工具，PaSa 能够在短短两分钟内完成详尽的学术调研，极大地提高了研究效率。

PaSa 的核心功能与优势

PaSa 智能体的核心在于其两个 LLM Agents：Crawler 和 Selector。Crawler 负责通过自主调用搜索工具、阅读论文、扩展参考文献，不断收集与用户 Query 相关的学术论文。而 Selector 则精读这些论文，以确定其是否满足用户需求。这种双重机制确保了 PaSa 在 Recall@20 和 Recall@50 上分别比 Google 提升了 37.78% 和 39.90%。

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

这种高效的检索能力使得 PaSa 成为学术研究者的得力助手，尤其是在需要快速获取大量相关文献的情况下。通过模仿人类研究者的搜索行为，PaSa 能够在短时间内提供全面而精准的学术信息。

技术细节与实验结果

为了训练 PaSa，字节跳动的研究团队构建了一个名为 AutoScholarQuery 的高质量学术细粒度 Query 数据集。该数据集通过收集人工智能领域顶会（如 ICLR、ICML、NeurIPS 等）发表的论文，基于每篇论文中“Related Work”部分的描述及其引用的相关文献，生成学术问题和对应的相关论文列表。最终，数据集包含了 36k 数据，每条数据包含一个 AI 领域的学术问题及相关论文。

在实验中，PaSa 在 AutoScholarQuery 测试集上的表现优于所有基线模型，召回率和准确率均有显著提升。此外，PaSa-7b-ensemble 的集成搜索结果进一步提高了召回率。

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

这种数据驱动的强化学习方法，使得 PaSa 能够在真实学术搜索场景中表现出色，成为学术界不可或缺的工具。

PaSa 的未来展望

随着技术的不断进步，PaSa 智能体的应用前景广阔。它不仅可以用于学术研究，还可以扩展到其他需要快速信息检索的领域，如法律、医学等。通过不断优化和扩展其功能，PaSa 有望在未来成为各行业信息检索的标准工具。

在字节跳动的 Seed Edge 计划支持下，PaSa 的发展将继续推动 AGI 研究的前沿，为人类社会带来更多的机遇和挑战。通过这种创新的智能体应用，字节跳动正在积极探索 AGI 的边界，为学术研究和实际应用带来革命性的变化。

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

通过这些创新，PaSa 不仅在技术上取得了突破，也为未来的科技发展奠定了坚实的基础。随着 AGI 研究的不断深入，字节跳动有望在未来的科技竞争中继续保持领先地位。

技术细节与实验结果

在字节跳动的 AGI 研究中，PaSa 智能体的技术细节和实验结果展示了其在学术论文检索领域的卓越表现。通过构建高质量的学术细粒度 Query 数据集 AutoScholarQuery，字节跳动的研究团队为 PaSa 的训练提供了坚实的基础。该数据集通过收集人工智能领域顶会（如 ICLR、ICML、NeurIPS 等）发表的论文，基于每篇论文中“Related Work”部分的描述及其引用的相关文献，生成学术问题和对应的相关论文列表。最终，数据集包含了 36k 数据，每条数据包含一个 AI 领域的学术问题及相关论文。

数据集构建与训练优化

AutoScholarQuery 数据集的构建是 PaSa 智能体成功的关键之一。尽管该数据集缺乏人类科学家发现论文的轨迹数据，但它仍然能够支持对 PaSa 智能体进行强化学习训练。在 Crawler 的训练过程中，研究团队面临两个主要挑战：奖励稀疏性和过长的行动轨迹。为了解决奖励稀疏性问题，研究团队引入了 Selector 作为辅助奖励模型，显著提升了优化效果。此外，Crawler 在一次执行中可能收集到上百篇文章，导致完整的行动轨迹过长，无法完全输入到 LLM 的上下文中。为此，团队提出了一种全新的 session-level PPO 算法，解决这一问题。

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

Selector 主要通过模仿学习进行训练。Selector 会先生成一个 Decision Token，决定论文是否符合用户 Query 的需要。同时 Token Probability 也可以作为相关性分数用于最终结果的排序。在 Decision Token 后，Selector 还会输出决策依据。

实验结果与性能分析

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。该数据集包含了 AI 研究者提出的真实学术问题，并为每个问题人工构建了对应的相关论文列表。研究团队在 AutoScholarQuery-test 和 RealScholarQuery 两个评测集上，全面对比了 PaSa 与基线模型的表现。

在 AutoScholarQuery 测试集上，PaSa-7b 的效果优于其他所有的基线模型。与最强的基线 PaSa-GPT-4o 相比，在准确率相当的情况下，PaSa-7b 的召回率提高了 9.64%，Crawler 召回率提高了 3.66%。和 Google 搜索的最好结果相比，Recall@20，Recall@50 和 Recall@100 分别提升了 33.80%，38.83% 和 42.64%。此外，集成后的 PaSa-7b-ensemble 比 PaSa-7b 的召回率和 Crawler 召回率能进一步提高 1.51% 和 3.44%。

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

在更接近真实的 RealScholarQuery 上，PaSa-7b 的提升更加明显。与 PaSa-GPT-4o 相比，PaSa-7b 的召回率提高了 30.36%，精确率提高了 4.25%。Google 搜索的最好结果相比，Recall@20，Recall@50 和 Recall@100 分别提升了 37.78%，39.90% 和 39.83%。PaSa-7b-ensemble 的召回率和 Crawler 召回率分别进一步提高了 3.52% 和 4.32%。

未来展望

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

结论：AGI 研究的未来展望

在字节跳动的 AGI 研究中，Seed Edge 计划和 PaSa 智能体的推出标志着该公司在通用人工智能领域的前沿探索。通过这些创新，字节跳动不仅展示了其在科技创新领域的领导地位，也为未来的智能体应用提供了新的可能性。

未来的技术发展方向

字节跳动的 Seed Edge 计划为 AGI 研究设定了明确的方向。该计划的五大研究方向包括探索推理能力和感知能力的边界、软硬一体的下一代模型设计、AI 学习范式的创新以及新的 scaling 方向。这些研究方向不仅展示了字节跳动在 AGI 领域的战略决心，也为未来的科技创新奠定了基础。

Source: 字节启动AGI长期研究计划，代号Seed Edge

PaSa 智能体的广泛应用

PaSa 智能体的推出为学术研究带来了革命性的变化。通过其高效的学术论文检索能力，PaSa 不仅可以用于学术研究，还可以扩展到其他需要快速信息检索的领域，如法律、医学等。研究显示，PaSa 在 Recall@20 和 Recall@50 上分别比 Google 提升了 37.78% 和 39.90%，这表明其在信息检索领域的卓越表现。

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

结语与展望

随着技术的不断进步，字节跳动在 AGI 研究中的新动向将继续推动科技的前沿发展。通过 Seed Edge 计划和 PaSa 智能体，字节跳动正在积极探索 AGI 的边界，为学术研究和实际应用带来革命性的变化。未来，随着技术的不断进步，AGI 的发展将为人类社会带来更多的机遇和挑战。

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

字节跳动AGI研究新动向：探索未来智能体应用

引言：字节跳动的前瞻性研究

字节跳动的创新驱动

PaSa 智能体的突破性

未来的科技发展潜力