引言
在 2025 年，字节跳动（ByteDance）通过其豆包大模型团队，启动了代号为“Seed Edge”的 AGI 长期研究计划。这一计划旨在探索人工智能的前沿领域，鼓励研究人员挑战具有不确定性和创新性的课题。本文将深入探讨字节跳动在 AGI 领域的最新进展及其对未来科技的潜在影响。
本文大綱
开篇引言
在当今科技飞速发展的时代，人工智能（AI）已成为推动社会进步的重要力量。字节跳动作为全球领先的科技公司，始终走在 AI 研究的前沿。2025 年，字节跳动通过其豆包大模型团队，启动了代号为“Seed Edge”的 AGI 长期研究计划，标志着其在人工智能领域的又一重大突破。
背景与动机
字节跳动的“Seed Edge”计划旨在探索人工智能的前沿领域，特别是通用人工智能（AGI）的实现。AGI 是指能够像人类一样理解、学习和应用知识的智能体，其潜力巨大，但实现难度也极高。字节跳动希望通过这一计划，推动 AGI 研究的进展，为未来的科技发展奠定基础。
Source: 字节启动AGI长期研究计划，代号Seed Edge from Jiqizhixin
计划的核心目标
“Seed Edge”计划的核心目标是探索 AGI 的新方法，涵盖五大研究方向：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 学习范式以及新的 scaling 方向。字节跳动为此提供了充足的算力资源和顶尖研究人才，致力于打造一个长期主义的研究环境。
预览与展望
在接下来的内容中，我们将详细探讨字节跳动在 AGI 领域的最新进展，包括其在推理能力、感知能力以及模型设计等方面的创新。同时，我们也将分析这些进展对未来科技的潜在影响，以及字节跳动如何通过“Seed Edge”计划引领 AI 研究的新方向。
通过对字节跳动 AGI 计划的深入分析，我们可以看到其在推动人工智能技术进步方面的坚定决心和战略布局。未来，随着技术的不断进步，AGI 的实现将为各行各业带来深远的影响。
Seed Edge 計劃的核心目標
在字节跳动的“Seed Edge”计划中，核心目标是探索通用人工智能（AGI）的新方法。该计划涵盖五大研究方向：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 学习范式以及新的 scaling 方向。字节跳动为此提供了充足的算力资源和顶尖研究人才，致力于打造一个长期主义的研究环境。
推理能力的边界
推理能力是 AGI 的关键组成部分，字节跳动的研究团队正在探索其边界。通过分析复杂的逻辑问题和多层次的推理过程，研究人员希望开发出能够模拟人类思维的智能体。这一研究方向不仅涉及到算法的优化，还包括对人类认知过程的深入理解。
感知能力的边界
感知能力是 AGI 能够理解和互动的基础。字节跳动的研究团队正在研究如何突破现有感知技术的限制，以实现更高水平的环境理解和交互能力。这包括对视觉、听觉和触觉等多模态数据的综合处理和分析。
软硬一体的下一代模型设计
在软硬一体的模型设计中，字节跳动致力于开发能够在不同硬件平台上高效运行的 AI 模型。这一方向的研究不仅关注算法的创新，还涉及到硬件架构的优化，以实现更高效的计算和更低的能耗。
下一代 AI 学习范式
字节跳动正在探索新的 AI 学习范式，以提高模型的学习效率和泛化能力。这包括对自监督学习、强化学习和迁移学习等前沿技术的研究和应用。通过这些新范式，研究人员希望开发出能够在更少数据和更短时间内学习的智能体。
新的 Scaling 方向
在新的 scaling 方向上，字节跳动的研究团队正在探索如何通过大规模数据和计算资源的利用，来提升 AI 模型的性能和能力。这一研究方向不仅涉及到数据处理和模型训练的优化，还包括对分布式计算和云计算技术的应用。
Source: 字节启动AGI长期研究计划，代号Seed Edge from Jiqizhixin
通过对这些核心目标的深入研究，字节跳动希望在 AGI 领域取得突破性进展，为未来的科技发展奠定坚实的基础。
PaSa：革新學術研究的智能體
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，标志着学术研究领域的重大革新。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繁琐的论文调研工作，大幅提升了学术研究的效率。与 Google、Google Scholar 等主流检索工具相比，PaSa 在召回率和准确率上均有显著提升。
PaSa 的核心功能与优势
PaSa 的设计旨在解决学术研究中常见的痛点：繁琐的文献调研。通过模拟人类研究者的行为，PaSa 能够自动调用搜索引擎、浏览相关论文并追踪引文网络，为用户提供全面而精准的学术论文列表。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 则负责精读这些论文，确保其符合用户的需求。
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
在实验中，PaSa 在 AutoScholarQuery 和 RealScholarQuery 测试集上的表现均优于其他基线模型。特别是在召回率和准确率方面，PaSa-7b 的召回率提高了 30.36%，准确率提高了 4.25%。这些数据表明，PaSa 不仅能够快速完成文献调研，还能提供高质量的结果。
技术细节与创新
PaSa 的成功离不开其背后的技术创新。研究团队为训练 PaSa 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。
在训练过程中，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。为了解决这些问题，团队引入了 Selector 作为辅助奖励模型，并提出了一种全新的 session-level PPO 算法，显著提升了优化效果。
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 的未来展望
随着 PaSa 的推出，字节跳动在学术研究领域树立了新的标杆。未来，PaSa 有望进一步扩展其功能，支持更多领域的学术研究。通过不断优化和升级，PaSa 将为研究人员提供更高效、更精准的文献调研工具，助力学术研究的创新与发展。
在学术搜索这一具有独特挑战的信息检索场景中，PaSa 的出现无疑是一个重要的里程碑。它不仅提高了研究效率，还为学术界提供了一个全新的工具，帮助研究人员更好地应对复杂的文献调研任务。
通过 PaSa，字节跳动展示了其在人工智能领域的创新能力和技术实力，为未来的科技发展奠定了坚实的基础。随着技术的不断进步，PaSa 将继续引领学术研究的革新，为各行各业带来深远的影响。
技術細節與實驗結果
在字节跳动的 AGI 计划中，PaSa 的推出无疑是一个重要的里程碑。作为一款基于强化学习的智能体应用，PaSa 的设计和实现涉及多项技术创新和实验验证。本文将深入探讨 PaSa 的技术细节与实验结果，揭示其在学术研究领域的突破性贡献。
PaSa 的技术架构
PaSa 的核心架构由两个大型语言模型（LLM）智能体组成：Crawler 和 Selector。Crawler 的主要任务是通过自主调用搜索工具，收集与用户查询相关的学术论文。它通过模拟人类研究者的行为，生成多样化的搜索词，并执行多次搜索，以最大化相关论文的召回率。Selector 则负责对 Crawler 收集到的论文进行精读，判断其是否符合用户的需求，从而确保结果的准确性。
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
在训练过程中，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。为了解决这些问题，团队引入了 Selector 作为辅助奖励模型，并提出了一种全新的 session-level PPO 算法，显著提升了优化效果。通过这种创新的训练方法，PaSa 能够在短时间内完成复杂的文献调研任务。
实验结果与性能分析
为了验证 PaSa 的性能，研究团队开发了两个评测集：AutoScholarQuery 和 RealScholarQuery。AutoScholarQuery 包含了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。RealScholarQuery 则包含了 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。
在实验中，PaSa 在这两个评测集上的表现均优于其他基线模型。特别是在召回率和准确率方面，PaSa-7b 的召回率提高了 30.36%，准确率提高了 4.25%。这些数据表明，PaSa 不仅能够快速完成文献调研，还能提供高质量的结果。
| 模型 | Recall@20 | Recall@50 | Recall@100 |
|---|---|---|---|
| 33.80% | 38.83% | 42.64% | |
| PaSa-7b | 37.78% | 39.90% | 39.83% |
| PaSa-7b-ensemble | 41.30% | 43.34% | 44.15% |
通过这些实验结果可以看出，PaSa 在学术搜索这一具有独特挑战的信息检索场景中，展现出了卓越的性能。它不仅提高了研究效率，还为学术界提供了一个全新的工具，帮助研究人员更好地应对复杂的文献调研任务。
未来展望
随着 PaSa 的推出，字节跳动在学术研究领域树立了新的标杆。未来，PaSa 有望进一步扩展其功能，支持更多领域的学术研究。通过不断优化和升级，PaSa 将为研究人员提供更高效、更精准的文献调研工具，助力学术研究的创新与发展。
在学术搜索这一具有独特挑战的信息检索场景中，PaSa 的出现无疑是一个重要的里程碑。它不仅提高了研究效率，还为学术界提供了一个全新的工具，帮助研究人员更好地应对复杂的文献调研任务。
通过 PaSa，字节跳动展示了其在人工智能领域的创新能力和技术实力，为未来的科技发展奠定了坚实的基础。随着技术的不断进步，PaSa 将继续引领学术研究的革新，为各行各业带来深远的影响。
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
結論與未來展望
在字节跳动的 AGI 计划中，PaSa 的推出不仅标志着技术上的突破，也为未来的人工智能研究设定了新的标准。通过 Seed Edge 和 PaSa，字节跳动展示了其在人工智能领域的创新能力和技术实力，为未来的科技发展奠定了坚实的基础。
未来的技术发展方向
随着技术的不断进步，AGI 的实现将为各行各业带来深远的影响。字节跳动的 Seed Edge 计划通过探索推理能力和感知能力的边界，推动了下一代 AI 学习范式的发展。这些研究方向不仅为 AGI 的实现提供了理论基础，也为未来的技术应用开辟了新的可能性。
在未来，PaSa 有望进一步扩展其功能，支持更多领域的学术研究。通过不断优化和升级，PaSa 将为研究人员提供更高效、更精准的文献调研工具，助力学术研究的创新与发展。字节跳动的研究团队计划通过与全球顶尖高校的合作，进一步提升 PaSa 的性能和应用范围。
行业影响与社会意义
字节跳动的 AGI 计划和 PaSa 的推出不仅在技术上取得了突破，也为未来的 AI 研究设定了新的标准。通过这些创新，字节跳动为学术界提供了一个全新的工具，帮助研究人员更好地应对复杂的文献调研任务。这一工具的出现，不仅提高了研究效率，也为学术界提供了一个全新的视角，推动了学术研究的革新。
此外，AGI 的实现将对社会产生深远的影响。随着技术的不断进步，AGI 将在医疗、教育、金融等多个领域发挥重要作用。字节跳动的研究成果不仅为这些领域的技术应用提供了支持，也为社会的可持续发展贡献了力量。
总结与展望
字节跳动的 AGI 计划和 PaSa 的推出标志着人工智能研究的一个新阶段。通过 Seed Edge 和 PaSa，字节跳动不仅在技术上取得了突破，也为未来的 AI 研究设定了新的标准。未来，随着技术的不断进步，AGI 的实现将为各行各业带来深远的影响。
在未来的研究中，字节跳动将继续致力于推动 AGI 的发展，通过与全球顶尖高校的合作，进一步提升 PaSa 的性能和应用范围。通过这些努力，字节跳动将继续引领人工智能研究的前沿，为未来的科技发展奠定坚实的基础。
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，字节跳动展示了其在人工智能领域的创新能力和技术实力，为未来的科技发展奠定了坚实的基础。随着技术的不断进步，PaSa 将继续引领学术研究的革新，为各行各业带来深远的影响。