天津
智猩猩AI整理
编辑：林夕
最近，字节Seed大模型研究员张驰加入北京大学智能学院，出任助理教授。
北京大学智能学院官网显示，张驰目前的研究方向包括语言模型、智能体、常识推理、认知计算等。
官网介绍称，他于2025年至2026年在字节跳动Seed大模型团队从事数学与代码推理模型研发工作，并于2026年加入北大智能学院。
而在加入北大之前，张驰在Seed团队参与的一项工作尤其值得关注：Seed-Prover。
这是字节Seed面向自动定理证明打造的深度推理系统，张驰是该项目的主要研究人员之一，北大官网则直接将其列为“主导研发面向自动定理证明的深度推理系统Seed-Prover”。
在论文公布的结果中，Seed-Prover能够证明78.1%的形式化历届IMO题目，并在MiniF2F上达到饱和，同时在PutnamBench上取得超过50%的成绩。
团队还开发了Seed-Geometry几何推理引擎，并将Seed-Prover和Seed-Geometry用于IMO 2025。论文披露，系统最终完整证明了6道题中的5道。
Seed-Prover后续也在持续迭代。
字节Seed在2025年底发布的Seed Prover 1.5 pro进一步引入Agentic Prover架构，让系统能够自主调用Lean以及其他辅助工具，并通过大规模Agentic RL提升形式化数学推理能力。
官方披露，Seed Prover 1.5 pro在PutnamBench上解决了88%的题目，并完成了2025年Putnam数学竞赛12道题中的11道；在2025年IMO的前5道题上生成了完整、可编译、可验证的Lean证明代码。
不过，张驰的研究并不是从大模型时代才开始，他的学术背景同样集中在推理与认知智能领域。
张驰2017年本科毕业于浙江大学计算机科学与技术专业，2022年获得美国加州大学洛杉矶分校（UCLA）计算机科学博士学位，导师是朱松纯教授。
在进入字节Seed之前，他还曾在北京通用人工智能研究院（BIGAI）担任全职研究科学家。
从他的研究履历来看，认知推理、抽象推理、视觉推理、概念学习和神经符号方法一直是比较稳定的主线。
例如，他与朱松纯等人合作的“Human-level few-shot concept induction through minimax entropy learning”发表于Science Advances，研究人类水平的小样本概念归纳问题。
2026年，他还参与了一项发表于Nature Machine Intelligence的奥林匹克几何题求解研究，探索基于引导树搜索的几何问题求解方法。北京大学智能学院也将这项工作列为他的代表性成果。
因此，如果只把张驰理解成一名“字节Seed研究员”，其实并不完整。
从UCLA博士阶段，到BIGAI，再到字节Seed，最后进入北大智能学院，他一直在围绕“机器如何进行推理”这一问题展开研究。
只是研究载体从认知计算、视觉推理和神经符号方法，逐渐扩展到了今天的大模型与Agent。
如今，他在北大的研究方向也进一步明确指向语言模型、智能体、常识推理与认知计算。
而这一履历中最有意思的地方，或许正是Seed的产业研发经历，过去几年，大模型研究越来越强调从模型能力走向推理过程。
数学推理、代码推理、Agent、工具调用以及可验证的强化学习，都在尝试解决同一个问题：如何让模型不只是生成一个看起来合理的答案，而是真正具备更加稳定、可验证、可迭代的解决问题能力。
张驰此前参与的Seed-Prover，恰好处在这条路线的交叉点上。
如今回到高校之后，他会把这段大模型产业研发经历带入怎样的学术研究，又会不会进一步推动语言模型、Agent与认知推理之间的结合，也值得继续关注。
目前，北京大学智能学院官网已经将张驰列入专职教师名单，并明确标注其职称为助理教授。
9月7日，北京大学智能学院还举行了2026年开学典礼暨开学第一课。学院方面公布的信息显示，张驰已经参与2026级研究生培养，并被聘任为2026级研究生班班主任。
关注+星标，获取AI前沿进展与开源一线动态
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
