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