引言

在 2025 年，字节跳动的研究团队推出了一款名为 PaSa 的智能体应用，标志着 Agent 元年的到来。這款基於強化學習的智能體能夠模仿人類研究者進行學術調研，僅需兩分鐘即可完成繁瑣的論文檢索工作。與此同時，字节跳动還成立了 AGI 長期研究團隊，代號“Seed Edge”，專注於探索人工智能的前沿技術。本文將深入探討這些創新舉措及其對未來科技的影響。

PaSa 智能體的誕生

PaSa 的推出是字节跳动在人工智能領域的一次重大突破。這款智能體應用的核心在於其強化學習能力，能夠快速而準確地完成學術論文的檢索和分析。研究顯示，PaSa 在學術 Query 測試集上的表現大幅超越了 Google 和其他主流檢索工具，召回率和準確率均有顯著提升。這使得 PaSa 成為科研人員不可或缺的助手。

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 的願景

字节跳动的 Seed Edge 團隊專注於 AGI 的長期研究，致力於探索推理能力、感知能力以及下一代 AI 模型設計等領域。Seed Edge 鼓勵跨模態和跨團隊合作，並提供充足的算力資源以支持顛覆性的研究課題。這種長期主義的研究環境有助於推動 AGI 領域的突破性進展。

Source: 字节启动AGI长期研究计划，代号Seed Edge

未來的科技前沿

字节跳动的 PaSa 智能體和 Seed Edge 團隊代表了人工智能研究的未來方向。這些創新不僅提升了學術研究的效率，還為 AGI 的發展奠定了堅實的基礎。未來，隨著技術的進一步發展，我們可以期待更多突破性的研究成果。讀者可以訪問 PaSa 的 官方網站 以了解更多信息。

在這個快速變化的科技時代，字节跳动的創新舉措不僅展示了其在人工智能領域的領導地位，也為全球的科技發展提供了新的思路和方向。隨著 PaSa 和 Seed Edge 的進一步發展，我們有理由相信，未來的科技將會更加智能和高效。

PaSa智能體的功能與優勢

在當今的學術研究領域，信息檢索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，正是為了解決這一痛點而誕生。這款智能體應用不僅能夠快速檢索學術論文，還能提供精確的分析結果，成為科研人員的得力助手。

革命性的檢索能力

PaSa 智能體的核心優勢在於其卓越的檢索能力。通過自主調用搜索引擎和閱讀論文，PaSa 能夠在短時間內提供全面的學術調研結果。研究顯示，PaSa 在學術 Query 測試集上的表現大幅超越了 Google 和其他主流檢索工具，召回率和準確率均有顯著提升。這使得 PaSa 成為科研人員不可或缺的助手。

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

強化學習的應用

PaSa 的成功在於其強化學習技術的應用。這一技術使得 PaSa 能夠模仿人類研究者的行為，從而在學術調研中表現出色。PaSa 的核心組件包括 Crawler 和 Selector 兩個 LLM Agents。Crawler 負責收集與用戶 Query 相關的學術論文，而 Selector 則精讀這些論文以確定其是否滿足用戶需求。這種設計不僅提高了檢索的效率，還確保了結果的準確性。

實驗結果與數據分析

在多次實驗中，PaSa 的表現均優於其他基線模型。特別是在 AutoScholarQuery 和 RealScholarQuery 測試集上，PaSa 的召回率和準確率均有顯著提升。這些數據不僅證明了 PaSa 的技術優勢，也顯示出其在實際應用中的潛力。

測試集	PaSa-7b 提升率	Google 提升率
Recall@20	33.80%	37.78%
Recall@50	38.83%	39.90%
Recall@100	42.64%	39.83%

這些數據顯示，PaSa 在學術檢索中的表現不僅超越了 Google，還在多個指標上取得了顯著的提升。

未來的應用前景

隨著 PaSa 智能體的進一步發展，我們可以期待其在更多領域的應用。無論是學術研究還是商業分析，PaSa 都有潛力成為信息檢索的領導者。未來，隨著技術的進一步發展，我們可以期待更多突破性的研究成果。

PaSa 的推出不僅提升了學術研究的效率，還為 AGI 的發展奠定了堅實的基礎。讀者可以訪問 PaSa 的 官方網站 以了解更多信息。

在這個快速變化的科技時代，字节跳动的創新舉措不僅展示了其在人工智能領域的領導地位，也為全球的科技發展提供了新的思路和方向。隨著 PaSa 和 Seed Edge 的進一步發展，我們有理由相信，未來的科技將會更加智能和高效。

Seed Edge：探索AGI的未來

在人工智能（AI）研究的前沿，字节跳动的 Seed Edge 團隊正以其獨特的長期主義研究方法，探索通用人工智能（AGI）的未來。這一團隊的成立，標誌著字节跳动在 AGI 領域的戰略性投入，並為全球 AI 研究提供了新的視角和方向。

Seed Edge 的研究方向與策略

Seed Edge 團隊的研究重點包括探索推理能力的邊界、感知能力的邊界、下一代 AI 模型設計、AI 學習范式以及新的擴展方向。這些研究方向不僅涵蓋了 AI 的核心技術，還涉及到未來 AI 發展的潛在突破點。

跨模態與跨團隊合作

Seed Edge 鼓勵跨模態和跨團隊的合作，這種開放的研究環境有助於激發創新思維。團隊成員可以自由探索具有不確定性和挑戰性的研究課題，這種自由度在傳統的研究環境中是難以實現的。

Source: 字节启动AGI长期研究计划，代号Seed Edge

充足的算力資源

為了支持這些顛覆性的研究，Seed Edge 獲得了單獨的算力資源保障。這不僅提高了研究的效率，也為實現更大規模的 AI 模型訓練提供了可能。這種資源的投入，顯示了字节跳动對 AGI 研究的長期承諾。

Seed Edge 的研究成果與影響

Seed Edge 自成立以來，已經在多個國際頂會上發表了多篇論文，這些研究成果不僅在學術界引起了廣泛關注，也為 AGI 的發展提供了新的思路。

研究成果的實際應用

Seed Edge 的研究不僅限於理論探索，還注重實際應用。例如，團隊與多所高校合作，成立了 AI 方向的聯合實驗室，這些合作不僅促進了學術交流，也為 AI 技術的實際應用提供了平台。

研究方向	合作高校	研究成果
推理能力	清華大學	發表多篇論文
感知能力	北京大學	開發新模型
模型設計	上海交通大學	實現技術突破

這些合作不僅提升了 Seed Edge 的研究水平，也為未來的 AGI 發展奠定了堅實的基礎。

未來的發展方向

隨著技術的進一步發展，Seed Edge 將繼續探索 AGI 的新方法和新技術。未來，隨著更多研究成果的出現，我們可以期待 AGI 在各個領域的廣泛應用，從而改變我們的生活方式。

Seed Edge 的研究不僅提升了學術研究的效率，還為 AGI 的發展奠定了堅實的基礎。讀者可以訪問 字节启动AGI长期研究计划，代号Seed Edge 以了解更多信息。

在這個快速變化的科技時代，字节跳动的創新舉措不僅展示了其在人工智能領域的領導地位，也為全球的科技發展提供了新的思路和方向。隨著 Seed Edge 的進一步發展，我們有理由相信，未來的科技將會更加智能和高效。

技術細節與實驗結果

在字节跳动的 PaSa 智能體中，技術細節和實驗結果展示了其在學術檢索領域的卓越表現。PaSa 的核心組件由兩個大型語言模型代理（LLM Agents）組成：Crawler 和 Selector。這兩個代理的協同工作，使得 PaSa 能夠在短時間內高效地完成學術調研。

Crawler 和 Selector 的協同工作

Crawler 的主要任務是收集與用戶查詢相關的學術論文。它通過自主調用搜索工具、閱讀論文和擴展參考文獻，最大化相關論文的召回率。Selector 則負責精讀 Crawler 找到的每一篇論文，確定其是否滿足用戶需求，強調精確性。

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

這種設計使得 PaSa 能夠在學術檢索中提供更高的召回率和準確率。實驗結果顯示，PaSa 在 AutoScholarQuery 和 RealScholarQuery 測試集上的表現均優於其他基線模型，特別是在召回率和準確率方面。

實驗結果分析

為了驗證 PaSa 在真實學術搜索場景中的表現，研究團隊開發了 RealScholarQuery 測試集。該數據集包含了 AI 研究者提出的真實學術問題，並為每個問題人工構建了對應的相關論文列表。研究團隊在 AutoScholarQuery-test 和 RealScholarQuery 兩個評測集上，全面對比了 PaSa 與基線模型的表現。

測試集	模型	Recall@20	Recall@50	Recall@100
AutoScholarQuery	PaSa-7b	33.80%	38.83%	42.64%
RealScholarQuery	PaSa-7b	37.78%	39.90%	39.83%

在 AutoScholarQuery 測試集上，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%，而 Crawler 的召回率提高了 3.66%。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%。

訓練優化與挑戰

在訓練過程中，研究團隊面臨兩個主要挑戰：獎勵稀疏性和過長的行動軌跡。為了解決這些問題，團隊引入了 Selector 作為輔助獎勵模型，並提出了一種全新的 session-level PPO 算法，顯著提升了優化效果。

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

這些技術細節和實驗結果不僅展示了 PaSa 的強大功能，也為未來的學術檢索工具提供了新的思路。隨著技術的進一步發展，我們可以期待 PaSa 在更多領域的應用，從而進一步提升學術研究的效率和準確性。

結語

字节跳动的 PaSa 智能體通過其創新的技術設計和卓越的實驗結果，展示了在學術檢索領域的領先地位。這些創新不僅提升了學術研究的效率，還為未來的人工智能發展奠定了堅實的基礎。讀者可以訪問 PaSa 的 官方網站 以了解更多信息。

結論與未來展望

在字节跳动的 PaSa 智能體和 Seed Edge 團隊的共同努力下，人工智能研究的未來充滿了無限可能。這些創新不僅提升了學術研究的效率，還為 AGI 的發展奠定了堅實的基礎。隨著技術的進一步發展，我們可以期待更多突破性的研究成果。

PaSa 智能體的未來應用

PaSa 智能體的推出，為學術研究帶來了革命性的變化。其高效的學術檢索能力，使得科研人員能夠在短時間內獲得全面的研究資料，從而專注於更具創造性的工作。未來，PaSa 有望在更多領域中發揮作用，例如醫學研究、法律分析和市場調查等，進一步提升各行業的工作效率。

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

Seed Edge 的長期影響

Seed Edge 團隊的成立，標誌著字节跳动在 AGI 領域的長期承諾。通過探索推理能力、感知能力以及下一代 AI 模型設計等領域，Seed Edge 不僅推動了技術的前沿發展，還為未來的人工智能應用奠定了基礎。這種長期主義的研究環境，有助於吸引和培養更多的頂尖人才，促進跨模態和跨團隊的合作，從而實現更具顛覆性的研究成果。

結語與行動呼籲

總結來說，字节跳动的 PaSa 智能體和 Seed Edge 團隊代表了人工智能研究的未來方向。這些創新不僅提升了學術研究的效率，還為 AGI 的發展奠定了堅實的基礎。未來，隨著技術的進一步發展，我們可以期待更多突破性的研究成果。讀者可以訪問 PaSa 的 官方網站 以了解更多信息，並參與到這場科技革命中。

Source: 字节启动AGI长期研究计划，代号Seed Edge

這些技術的進步不僅改變了我們的研究方式，也將深刻影響未來的科技發展。隨著 PaSa 和 Seed Edge 的不斷進步，我們有理由相信，未來的人工智能將在更多領域中發揮關鍵作用，為人類社會帶來更多的便利和創新。