引言
在 2025 年，字节跳动以其前瞻性的 AGI（通用人工智能）研究计划“Seed Edge”引起了业界的广泛关注。这个计划不仅标志着字节跳动在 AI 领域的战略决心，也为未来的人工智能发展设定了新的方向。本文将深入探讨字节跳动在 AGI 领域的创新举措及其对未来的影响。
本文大綱
字节跳动的战略决心
字节跳动的“Seed Edge”计划是其在 AGI 领域的一个重要里程碑。该计划的核心是通过鼓励跨模态、跨团队合作，探索 AGI 的新方法。字节跳动为此提供了宽松的研究环境和充足的算力资源，以支持项目成员在更长周期内进行具有不确定性和大胆的研究课题。
Source: 字节启动AGI长期研究计划，代号Seed Edge from jiqizhixin
研究方向与创新
“Seed Edge”计划初步确定了五大研究方向，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。这些方向不仅展示了字节跳动在 AGI 领域的创新能力，也为全球的 AI 研究者和开发者提供了新的研究思路和工具。
未来的影响
字节跳动通过“Seed Edge”计划展示了其在 AGI 领域的战略决心和创新能力。这些举措不仅推动了 AI 技术的发展，也为学术研究提供了新的工具和方法。未来，字节跳动将继续在 AGI 领域探索，为全球的 AI 研究者和开发者提供更多的支持和资源。
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
通过这些创新举措，字节跳动不仅在技术上取得了突破，也在全球 AI 研究领域树立了新的标杆。未来的 AGI 发展将因这些努力而变得更加多元化和充满可能性。
Seed Edge：字节跳动的 AGI 长期研究计划
字节跳动的战略决心
字节跳动的“Seed Edge”计划是其在 AGI（通用人工智能）领域的重要里程碑。该计划的核心在于通过鼓励跨模态、跨团队合作，探索 AGI 的新方法。字节跳动为此提供了宽松的研究环境和充足的算力资源，以支持项目成员在更长周期内进行具有不确定性和大胆的研究课题。
Source: 字节启动AGI长期研究计划，代号Seed Edge from jiqizhixin
字节跳动的战略决心不仅体现在资源的投入上，还在于其对创新的开放态度。通过“Seed Edge”计划，字节跳动希望在 AGI 领域开辟新的研究方向，推动技术的前沿发展。这种战略不仅为字节跳动自身带来了技术上的突破，也为全球的 AI 研究者和开发者提供了新的研究思路和工具。
研究方向与创新
“Seed Edge”计划初步确定了五大研究方向，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。这些方向不仅展示了字节跳动在 AGI 领域的创新能力，也为全球的 AI 研究者和开发者提供了新的研究思路和工具。
推理能力的边界
在推理能力的探索中，字节跳动致力于开发能够处理复杂推理任务的 AGI 系统。这些系统不仅需要理解和分析大量数据，还需要在不确定的环境中做出合理的决策。通过跨模态的数据整合和分析，字节跳动希望突破现有 AI 系统的推理能力限制。
感知能力的边界
感知能力的提升是 AGI 发展的另一个关键方向。字节跳动的研究团队正在探索如何通过多模态数据的融合，提升 AI 系统的感知能力。这包括视觉、听觉和触觉等多种感知模式的整合，以实现更为全面和准确的环境理解。
软硬一体的下一代模型设计
在模型设计方面，字节跳动正在研究软硬一体化的解决方案。这种设计理念旨在通过硬件和软件的深度结合，提升 AI 系统的性能和效率。通过优化硬件架构和软件算法，字节跳动希望在计算资源的利用上实现更高的效率。
未来的影响
字节跳动通过“Seed Edge”计划展示了其在 AGI 领域的战略决心和创新能力。这些举措不仅推动了 AI 技术的发展，也为学术研究提供了新的工具和方法。未来，字节跳动将继续在 AGI 领域探索，为全球的 AI 研究者和开发者提供更多的支持和资源。
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
通过这些创新举措，字节跳动不仅在技术上取得了突破，也在全球 AI 研究领域树立了新的标杆。未来的 AGI 发展将因这些努力而变得更加多元化和充满可能性。
结论与展望
字节跳动的“Seed Edge”计划不仅是其在 AGI 领域的战略决心的体现，也是其对未来技术发展的承诺。通过不断的创新和探索，字节跳动希望在全球 AI 研究领域发挥更大的影响力。未来，随着“Seed Edge”计划的深入推进，字节跳动将继续为全球的 AI 研究者和开发者提供更多的支持和资源，推动 AGI 技术的进一步发展。
PaSa：革新学术研究的智能体
在 2025 年，字节跳动的研究团队推出了一款名为 PaSa 的智能体应用，这标志着学术研究领域的一次重大革新。PaSa 是一款基于强化学习的智能体，能够在短短两分钟内完成详尽的学术调研。这一创新不仅提升了学术研究的效率，也为研究人员提供了强大的工具，帮助他们在信息爆炸的时代中快速获取所需的知识。
PaSa 的功能与优势
PaSa 的核心功能在于其能够模仿人类研究者的行为，调用搜索引擎、阅读论文、查找参考文献等。与传统的学术检索工具相比，PaSa 在 Recall@20 和 Recall@50 上分别提升了 37.78% 和 39.90%。这一显著的提升得益于 PaSa 的两个核心组件：Crawler 和 Selector。
Crawler 和 Selector 的协同工作
Crawler 负责收集与用户 Query 相关的学术论文，通过自主调用搜索工具、阅读论文、扩展参考文献，不断丰富数据集。Selector 则负责精读 Crawler 找到的每一篇论文，决定其是否满足用户的需求。这种协同工作机制确保了 PaSa 的高效性和准确性。
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
技术细节与实验结果
为了验证 PaSa 的性能，研究团队开发了两个评测集：AutoScholarQuery 和 RealScholarQuery。在这些评测集上，PaSa 的表现均超越了其他基线模型。特别是在 RealScholarQuery 上，PaSa 的召回率和准确率分别提升了 30.36% 和 4.25%。
实验结果分析
在 AutoScholarQuery 测试集上，PaSa-7b 的效果优于所有基线模型。与最强的基线 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%。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 from jiqizhixin
未来展望
PaSa 的推出不仅展示了字节跳动在 AGI 领域的创新能力，也为学术研究提供了新的工具和方法。未来，字节跳动将继续在 AGI 领域探索，为全球的 AI 研究者和开发者提供更多的支持和资源。通过不断的技术创新，PaSa 有望在更多的学术领域中发挥作用，推动全球学术研究的进步。
在这个信息爆炸的时代，PaSa 的出现无疑为研究人员提供了强大的支持，使他们能够更高效地获取和分析信息。这一创新不仅提升了学术研究的效率，也为未来的研究提供了新的可能性。
技术细节与实验结果
在字节跳动的研究团队推出的 PaSa 智能体中，技术细节和实验结果是其成功的关键。PaSa 的设计旨在通过强化学习和大语言模型的结合，显著提升学术研究的效率和准确性。本文将深入探讨 PaSa 的技术架构、实验结果以及其在学术研究中的应用。
PaSa 的技术架构
PaSa 的核心架构由两个主要组件组成：Crawler 和 Selector。这两个组件通过协同工作，实现了高效的学术论文检索和筛选。
Crawler 的设计与功能
Crawler 负责收集与用户查询相关的学术论文。它通过自主调用搜索工具、阅读论文、扩展参考文献，不断丰富数据集。Crawler 的设计旨在最大化相关论文的召回率，确保用户能够获取到最全面的学术信息。
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
Selector 的精确筛选
Selector 负责精读 Crawler 找到的每一篇论文，决定其是否满足用户的需求。Selector 的设计强调精确性，即识别论文是否符合用户需求。通过模仿学习，Selector 能够生成一个 Decision Token，决定论文的相关性，并输出决策依据。
实验结果分析
为了验证 PaSa 的性能，研究团队开发了两个评测集：AutoScholarQuery 和 RealScholarQuery。在这些评测集上，PaSa 的表现均超越了其他基线模型。
AutoScholarQuery 测试集
在 AutoScholarQuery 测试集上，PaSa-7b 的效果优于所有基线模型。与最强的基线 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%。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%。
RealScholarQuery 测试集
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
PaSa 的推出不仅展示了字节跳动在 AGI 领域的创新能力，也为学术研究提供了新的工具和方法。未来，字节跳动将继续在 AGI 领域探索，为全球的 AI 研究者和开发者提供更多的支持和资源。通过不断的技术创新，PaSa 有望在更多的学术领域中发挥作用，推动全球学术研究的进步。
在这个信息爆炸的时代，PaSa 的出现无疑为研究人员提供了强大的支持，使他们能够更高效地获取和分析信息。这一创新不仅提升了学术研究的效率，也为未来的研究提供了新的可能性。
参考链接
結論與展望
在字节跳动的 AGI 创新之旅中，Seed Edge 和 PaSa 的推出无疑是其在人工智能领域的重要里程碑。这些创新不仅展示了字节跳动在技术研发上的前瞻性和战略决心，也为全球的学术研究和 AI 开发者提供了新的工具和方法。
未来的技术发展方向
字节跳动通过 Seed Edge 和 PaSa 展示了其在 AGI 领域的创新能力和战略决心。这些举措不仅推动了 AI 技术的发展，也为学术研究提供了新的工具和方法。未来，字节跳动将继续在 AGI 领域探索，为全球的 AI 研究者和开发者提供更多的支持和资源。通过不断的技术创新，PaSa 有望在更多的学术领域中发挥作用，推动全球学术研究的进步。
在这个信息爆炸的时代，PaSa 的出现无疑为研究人员提供了强大的支持，使他们能够更高效地获取和分析信息。这一创新不仅提升了学术研究的效率，也为未来的研究提供了新的可能性。
行动导向的未来展望
字节跳动的 Seed Edge 计划和 PaSa 智能体的成功推出，标志着公司在 AGI 领域的战略布局已初见成效。未来，字节跳动计划继续加大在 AGI 领域的投入，进一步探索推理能力、感知能力的边界，以及软硬一体的下一代模型设计。这些研究方向不仅将推动 AGI 技术的进步，也将为全球的 AI 研究者和开发者提供更多的支持和资源。
字节跳动的战略不仅限于技术创新，还包括与全球顶尖高校和研究机构的合作。通过这些合作，字节跳动希望能够吸引更多的顶尖人才加入其 AGI 研究团队，共同推动 AGI 技术的发展。
结语
字节跳动在 AGI 领域的创新举措，不仅展示了其在技术研发上的前瞻性和战略决心，也为全球的学术研究和 AI 开发者提供了新的工具和方法。未来，字节跳动将继续在 AGI 领域探索，为全球的 AI 研究者和开发者提供更多的支持和资源。通过不断的技术创新，PaSa 有望在更多的学术领域中发挥作用，推动全球学术研究的进步。
在这个信息爆炸的时代，PaSa 的出现无疑为研究人员提供了强大的支持，使他们能够更高效地获取和分析信息。这一创新不仅提升了学术研究的效率，也为未来的研究提供了新的可能性。
Source: 字节启动AGI长期研究计划，代号Seed Edge from jiqizhixin
通过这些努力，字节跳动不仅在技术上取得了突破，也在全球范围内树立了其在 AGI 领域的领导地位。未来，随着技术的不断进步和应用场景的不断拓展，字节跳动的 AGI 创新将继续引领行业的发展，为全球的 AI 研究者和开发者提供更多的支持和资源。