Seed Edge 是字节跳动豆包大模型团队推出的 AGI（人工智能通用智能）长期研究计划12。以下是对它的具体介绍1：
名称含义
- "Seed" 即豆包大模型团队名称，"Edge" 代表最前沿的 AGI 探索，整体意味着该项目将在 AGI 领域进行前沿探索。
目标与定位
核心目标是做比预训练和大模型迭代更长期、更基础的 AGI 前沿研究，为 AI 研究者提供更自由的探索空间和资源支持，探索 AGI 的新方法，推动通用智能的边界。
支持措施
- 自由探索环境：营造宽松的研究氛围，项目成员无需受限于短期成果压力，可以专注于更长周期、不确定性高且具有颠覆性的研究课题。
- 独立算力资源：为每个课题提供强大的算力支持，确保研究工作的顺利开展。
- 长期考核机制：采用更长的考核周期，让研究者能够大胆尝试颠覆性方向。
研究方向
- 探索推理能力的边界：探索更高效且更通用、提升模型推理能力的方法，例如深入探索大规模强化学习和预训练 + 强化学习迭代，打造泛化能力更强的 Test-Time Scaling 技术。
- 探索感知能力的边界：找到统一生成和理解表示的方法，表示和压缩真实世界，构建 "世界模型"，从真实数据压缩建模，超越语言的限制，探索更优的世界表示方法。
- 探索软硬一体的下一代模型设计：从软硬一体出发，根据下一代训练和推理硬件的特点，优化模型架构，探索 Transformer+GPU 之外的模型设计，同时提升训练效率、推理效率和模型性能。
- 探索下一代 AI 学习范式：在反向传播、Transformer 架构、预训练 + 对齐的模式之外，理解模型学习能力来源，研究更高效的学习目标与学习算法，探索更高效的模型结构和学习方法。
- 探索下一个 scaling 方向：在预训练和推理阶段的 Scaling Laws 之外，聚焦新一代 Scaling 方法，探索 Multi-Agent（多智能体）和 Test-Time Training（测试时间训练，动态调整模型参数）等方向，推动智能边界的演化与提升。
- 项目组建：刚刚于 2025 年 1 月下旬正式设立，目前会先以虚拟项目组的方式运行，鼓励跨模态、跨团队合作，后续可能会根据研究进展和需求进一步完善组织架构和团队建设。
- 方向确定：已初步拟定了探索推理能力的边界、探索感知能力的边界、探索软硬一体的下一代模型设计、探索下一代 AI 学习范式、探索下一个 scaling 方向这五大研究方向，为后续的研究工作明确了大致的路径和目标，但具体的研究课题和方案还需要进一步细化和规划。
- 资源配置：明确会为项目提供宽松的研究环境、单独的算力资源保障以及采用更长周期的考核方式，目前正在落实相关资源的调配和管理机制，以确保研究工作的顺利开展。