引言
在2025年，字节跳动的研究团队推出了一款名为PaSa的智能体，这是一种基于强化学习的学术论文检索工具。此创新不仅能够模仿人类研究者的搜索行为，还能在短短两分钟内完成繁琐的论文调研。与此同时，字节跳动也在积极探索AGI（通用人工智能）的新方法，成立了代号为“Seed Edge”的长期研究团队。这些举措标志着字节跳动在人工智能领域的前沿探索，并为未来的学术研究带来了革命性的变革。
本文大綱
PaSa智能体的诞生
字节跳动的PaSa智能体是2025年被称为“Agent元年”的重要成果之一。它的设计初衷是为了帮助研究人员快速而高效地进行学术调研。传统的学术调研往往需要耗费大量的时间和精力，而PaSa通过模拟人类研究者的行为，能够在短时间内完成这一复杂的任务。
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的功能与优势
PaSa智能体的核心在于其两个LLM Agents：Crawler和Selector。Crawler负责自主调用搜索工具，阅读论文并扩展参考文献，从而收集与用户Query相关的学术论文。Selector则精读Crawler找到的每一篇论文，确定其是否满足用户需求。这种设计使得PaSa在学术检索中大幅超越了Google、Google Scholar等主流工具，特别是在Recall@20和Recall@50指标上，分别提升了37.78%和39.90%。
Seed Edge：探索AGI的未来
字节跳动的Seed Edge团队专注于AGI的长期研究，目标是探索推理能力、感知能力的边界，以及下一代AI学习范式等五大研究方向。Seed Edge鼓励跨模态、跨团队合作，并提供宽松的研究环境和充足的算力资源，以支持颠覆性的AGI课题。这种长期主义的研究策略，将有助于字节跳动在AGI领域取得突破性进展。
Source: 字节启动AGI长期研究计划，代号Seed Edge
结论与未来展望
字节跳动的PaSa智能体和Seed Edge团队代表了学术研究和AGI探索的未来方向。PaSa的高效检索能力将大大提升研究者的工作效率，而Seed Edge的长期研究策略则有望在AGI领域取得突破。未来，这些创新将如何影响学术界和科技界，值得我们持续关注。
通过这些创新，字节跳动不仅在技术上取得了显著的进步，也为学术研究提供了新的工具和方法，推动了整个领域的发展。
PaSa智能體的功能與優勢
PaSa智能體的核心在於其兩個LLM Agents：Crawler和Selector。這兩個代理的協作使得PaSa在學術檢索中大幅超越了Google、Google Scholar等主流工具，特別是在Recall@20和Recall@50指標上，分別提升了37.78%和39.90%。這樣的性能提升主要得益於其獨特的設計和強化學習的應用。
Crawler的自主搜索能力
Crawler是PaSa智能體的第一道防線，負責自主調用搜索工具，閱讀論文並擴展參考文獻。這一過程中，Crawler能夠生成多樣、互補的搜索詞，並執行多次搜索，以最大化相關論文的召回率。這種多樣化的搜索策略使得Crawler能夠在短時間內收集到大量與用戶Query相關的學術論文。
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
Selector的精確篩選
在Crawler收集到大量論文後，Selector接手進行精讀，確定每一篇論文是否滿足用戶需求。Selector的設計強調精確性，通過模仿學習生成Decision Token，決定論文的相關性。這一過程不僅提高了檢索結果的準確性，還能夠提供決策依據，幫助用戶更好地理解篩選過程。
強化學習的應用
PaSa智能體的成功在於其強化學習的應用。研究團隊構建了一個高質量的學術細粒度Query數據集AutoScholarQuery，支持對PaSa智能體進行強化學習訓練。這一過程中，Selector作為輔助獎勵模型，顯著提升了Crawler的優化效果。此外，為了解決行動軌跡過長的問題，團隊提出了一種全新的session-level PPO算法，進一步提升了系統的性能。
整體性能的提升
在實驗中，PaSa-7b的效果優於所有基線模型。與最強的基線PaSa-GPT-4o相比，PaSa-7b的召回率提高了9.64%，Crawler召回率提高了3.66%。這樣的性能提升不僅體現在AutoScholarQuery測試集上，在更接近真實的RealScholarQuery上，PaSa-7b的提升更加明顯，召回率提高了30.36%，精確率提高了4.25%。
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
這些數據顯示，PaSa智能體不僅在召回率上顯著優於其他工具，還在準確性上有了顯著提升，這使得它成為學術研究者不可或缺的工具。通過這些創新，PaSa不僅提高了研究者的工作效率，也為學術研究提供了新的工具和方法，推動了整個領域的發展。
Seed Edge：探索AGI的未來
在人工智能的發展歷程中，AGI（通用人工智能）一直是科技界追求的終極目標。字节跳动的Seed Edge團隊正是為了這一目標而成立，專注於AGI的長期研究。這個團隊的成立標誌著字节跳动在AGI領域的前沿探索，並為未來的科技發展奠定了堅實的基礎。
Seed Edge的研究方向
Seed Edge團隊的研究方向涵蓋了AGI的多個核心領域。首先，他們致力於探索推理能力的邊界，這是AGI能夠自主解決複雜問題的關鍵。其次，感知能力的邊界探索也是他們的重點，這涉及到如何讓AI更好地理解和解釋人類的行為和情感。此外，Seed Edge還在研究下一代AI學習範式，這將決定未來AI的學習效率和能力。
推理能力的邊界
推理能力是AGI能夠自主解決問題的基礎。Seed Edge團隊正在研究如何讓AI在不依賴大量數據的情況下，通過推理來解決問題。這需要AI具備類似人類的直覺和創造力，能夠在不確定的環境中做出合理的決策。
感知能力的邊界
感知能力是AGI理解和解釋人類行為的關鍵。Seed Edge團隊正在探索如何讓AI更好地感知和理解人類的情感和行為，這將有助於AI在與人類的互動中表現得更加自然和人性化。
Source: 字节启动AGI长期研究计划，代号Seed Edge
Seed Edge的研究策略
Seed Edge團隊採取了長期主義的研究策略，這意味著他們不僅關注短期的研究成果，更注重長期的技術突破。為此，Seed Edge提供了寬鬆的研究環境和充足的算力資源，鼓勵跨模態、跨團隊的合作，以支持顛覆性的AGI課題。
跨模態合作
跨模態合作是Seed Edge的一大特色。這種合作方式不僅能夠促進不同領域的知識交流，還能夠激發創新的研究思路。通過跨模態合作，Seed Edge團隊能夠更好地整合不同領域的技術，推動AGI的發展。
充足的算力資源
為了支持Seed Edge的研究，字节跳动提供了充足的算力資源。這些資源不僅能夠支持大規模的數據處理，還能夠加速AI模型的訓練和優化，從而提高研究的效率和成果。
Seed Edge的未來展望
Seed Edge的研究不僅限於當前的技術挑戰，更著眼於未來的科技發展。隨著AGI技術的不斷進步，Seed Edge有望在未來的科技競爭中佔據領先地位，並為人類社會帶來深遠的影響。
未來的科技競爭
在未來的科技競爭中，AGI將成為決定勝負的關鍵。Seed Edge的研究不僅能夠推動AGI技術的發展，還能夠為字节跳动在全球科技競爭中奠定堅實的基礎。
對人類社會的影響
AGI的發展將對人類社會產生深遠的影響。Seed Edge的研究不僅能夠提高AI的智能水平，還能夠促進人類與AI的和諧共存，從而為人類社會帶來更多的福祉。
Source: 字节启动AGI长期研究计划，代号Seed Edge
Seed Edge的成立和研究標誌著字节跳动在AGI領域的前沿探索。通過長期主義的研究策略和跨模態的合作方式，Seed Edge有望在未來的科技競爭中佔據領先地位，並為人類社會帶來深遠的影響。
PaSa與其他檢索工具的比較
在學術研究的領域中，檢索工具的效率和準確性對於研究者來說至關重要。字节跳动推出的 PaSa 智能體在這方面展現了其卓越的性能，特別是在與其他主流檢索工具的比較中，PaSa 的優勢顯而易見。本文將深入探討 PaSa 與 Google、Google Scholar 等工具的性能比較，並分析其背後的技術優勢。
性能比較：PaSa的卓越表現
在學術檢索中，召回率（Recall）是一個關鍵指標，用於衡量工具在檢索過程中能夠找回多少相關文獻。根據研究數據，PaSa-7b 在 Recall@20 和 Recall@50 指標上，分別比 Google 提升了 37.78% 和 39.90%。這樣的提升幅度顯示了 PaSa 在學術檢索中的強大能力。
| 工具 | Recall@20 | Recall@50 |
|---|---|---|
| 基準 | 基準 | |
| Google Scholar | 略高於基準 | 略高於基準 |
| PaSa-7b | +37.78% | +39.90% |
這些數據表明，PaSa 不僅能夠更全面地檢索到相關文獻，還能在短時間內提供更高的準確性。這對於需要快速獲取大量學術資料的研究者來說，無疑是一個巨大的優勢。
技術優勢：強化學習的應用
PaSa 的卓越性能得益於其背後的技術創新，特別是強化學習的應用。PaSa 的核心由兩個 LLM Agents 組成：Crawler 和 Selector。Crawler 負責自主調用搜索工具，閱讀論文並擴展參考文獻，從而收集與用戶 Query 相關的學術論文。Selector 則精讀 Crawler 找到的每一篇論文，確定其是否滿足用戶需求。
這種設計使得 PaSa 能夠在學術檢索中大幅超越 Google、Google Scholar 等主流工具。強化學習的應用使得 Crawler 和 Selector 能夠不斷優化其搜索和選擇策略，從而提高檢索的效率和準確性。
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
實際應用：研究者的得力助手
PaSa 的高效檢索能力不僅體現在數據指標上，更在實際應用中為研究者提供了極大的便利。研究者只需輸入學術問題，PaSa 即可在短短兩分鐘內完成詳細的學術調研，這大大縮短了研究者在文獻檢索上的時間投入。
此外，PaSa 的開源特性也使得更多的研究者能夠參與到其技術的改進和應用中。這不僅促進了學術界的技術交流，也為 PaSa 的進一步發展提供了更多的可能性。
總結來說，PaSa 智能體在學術檢索中的卓越表現，得益於其強化學習技術的應用和高效的設計架構。未來，隨著技術的不斷進步，PaSa 有望在更多的應用場景中發揮其優勢，成為研究者不可或缺的得力助手。
結論與未來展望
在字节跳动推出的 PaSa 智能體和 Seed Edge 團隊的努力下，學術研究和 AGI 探索的未來方向已經逐漸明朗。這些創新不僅在技術上取得了顯著的進步，也為學術界和科技界帶來了深遠的影響。
PaSa 智能體的影響力
PaSa 智能體的高效檢索能力已經在學術界引起了廣泛關注。其基於強化學習的設計，使得研究者能夠在短時間內獲取大量相關文獻，極大地提升了研究效率。這種能力不僅僅是技術上的突破，更是對學術研究方法的一次革新。研究者可以將更多的時間和精力投入到創新和分析中，而不是耗費在繁瑣的資料收集上。
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
Seed Edge 的長期願景
Seed Edge 團隊的成立，標誌著字节跳动在 AGI 領域的長期承諾。這個團隊專注於探索推理能力、感知能力的邊界，以及下一代 AI 學習範式等五大研究方向。這些研究不僅需要技術上的突破，更需要跨學科的合作和創新的思維方式。Seed Edge 的長期主義策略，將有助於在未來的 AGI 研究中取得突破性進展。
未來的挑戰與機遇
儘管 PaSa 和 Seed Edge 已經展示了其在技術上的潛力，但未來的挑戰依然存在。如何在不斷變化的科技環境中保持領先地位，如何將這些技術應用到更廣泛的領域，都是需要考慮的問題。然而，這些挑戰同時也是機遇。隨著技術的不斷進步，PaSa 和 Seed Edge 有望在更多的應用場景中發揮其優勢，成為學術界和科技界不可或缺的工具。
總結來說，字节跳动的 PaSa 智能體和 Seed Edge 團隊代表了學術研究和 AGI 探索的未來方向。這些創新不僅提升了研究者的工作效率，也為未來的科技發展提供了新的可能性。隨著技術的不斷進步，我們期待看到這些創新如何進一步影響學術界和科技界。
行動呼籲
對於研究者和科技從業者來說，積極參與到這些創新技術的應用和發展中，是一個不可錯過的機會。通過與 PaSa 和 Seed Edge 的合作，研究者可以獲得更高效的研究工具，而科技從業者則可以探索更多的應用場景。未來，這些技術將如何改變我們的工作方式和生活方式，值得我們持續關注和探索。
Source: 字节启动AGI长期研究计划，代号Seed Edge