独家解读丨字节 Seed 大调整，分支背后谁在操盘？

大模型竞争开始拼组织，这一次轮到字节。 8 月 19 日，据晚点 Late Post 报道，Seed 基础模型团队新设 Pretrain Data（预训练数据）、Horizon RL（强化学习）、Product Posttrain-Work（面向办公场景的产品后训练）和 Product Posttrain-Chat（面向对话场景的产品后训练）四个一级部门，分别由李成刚、唐晟宇、秦禹嘉、朱文佳等人负责，均向吴永辉汇报。 雷峰网了解到，四个新部门之下的分支架构与带队人选也已落定，而这些更细的调整，或许更能透露出此次组织变动背后的真实意图。 01 数据和RL开始集中 先看模型能力侧的两个部门。 有接近字节的人士称，Pretrain Data 由原先分散在文本、编程、视觉理解和语音方向的预训练数据团队合并而来，下设文本预训练（沈科）、代码预训练（Xia Xiao）、视觉预训练（林毅）和语音预训练四个分支，统一为 Omni 全模态模型和超大模型供给数据； 负责人李成刚是清华机械系本硕，曾从 0 到 1 搭建字节搜索系统，先后负责今日头条网页搜索和 TikTok 视频搜索的技术工作，其麾下沈科 2018 年从清华毕业后加入字节，是超大模型预训练数据的核心人物，Xia Xiao 则是开源代码模型 Seed-Coder 和定理证明搜索方法 BFS-prover 的核心作者之一。 相比数据条线，Horizon RL 的动作更大。Horizon RL 整合了分散在推理、视觉理解等方向的后训练团队， 下设 RL Scaling（岳宇）、Reasoning（王明轩）和视觉强化学习（吴侑彬）三个分支，负责强化学习、提升模型的基础智能上限。 其中王明轩此前在火山翻译，北航本科、中科院计算所博士，曾在腾讯任高级研究员、多次拿下 WMT 机器翻译评测冠军，2019 年加入字节后一路做到大模型研究团队负责人，岳宇（Yu Yue）则是字节与清华 AIR 联合开源的强化学习系统 DAPO 的算法作者之一。 这条路线其实已经有技术积累。Seed 此前公开过 DAPO、VAPO 等强化学习工作，其中 VAPO 聚焦于推理模型的强化学习效率与稳定性；Seed 也持续把RL用于更长链路的推理和Agent能力。 把这几个人和三个方向放在一起，Horizon RL 的意图就比较清楚了。 它并不是简单把原来的“后训练团队”换了一个名字，而是在把 Reasoning、VLM 等不同方向中的 RL 能力进一步集中。 据晚点 LatePost 报道，Seed 在调整公告中称，此次调整旨在‘合并相似工作、减少 overlap，内聚在一起’。 上述人士告诉雷峰网，本轮调整后，文本、代码、视觉这些老方向也没有真的消失，只是换了一种管法。 以视觉为例：训练前的数据归 Pretrain Data 的林毅，训练后的强化学习归