「最好的模型还没来，Scaling不会停！」字节AI大牛顾全全挥手告别。从打爆AlphaFold 3到投身LLM基建，顶尖学者的下一步引爆全网猜测。
国内大厂突失一员猛将！
就在刚刚，AI4S团队核心成员顾全全官宣离开字节跳动Seed团队。
在职三年，他横跨了两条完全不同的战线，AI制药和LLM预训练。
用他自己的话说，「很少有机会能让人同时做治病和造前沿智能这两件事」。
至于下一步的去向，目前还未透露。
清华出发，一路打到UCLA
这位大佬来头不小。
顾全全本硕毕业于清华大学，之后赴美深造，在UIUC师从数据挖掘领域大牛Jiawei Han，2014年拿到计算机科学博士学位。
博士毕业后，他先在Princeton做博后，2015年去University of Virginia任助理教授，2018年加入UCLA。
2022年，他同时拿下Sloan Research Fellowship和NSF CAREER Award，同年升为副教授，并在UCLA创建了AGI Lab。
研究方向覆盖非凸优化、深度学习理论和强化学习。
他在学术界一个比较有影响力的工作是SPIN（Self-Play Fine-Tuning），核心思路是让LLM跟自己的历史版本对弈，不需要额外的人类标注数据就能把弱模型炼强。目前论文被ICML 2024录用。
某种程度上，这个研究方向也预示了他后来在字节的转向，从纯学术走向大规模模型训练工程。
Google Scholar被引已超过30000次
2023年，他以Research Scientist身份加入字节Seed，开启了三年的工业界生涯。
把AlphaFold 3拉下王座
加入字节后，顾全全的第一个身份是AI制药负责人。
他在这条线上最具标志性的工作，就是主导了SeedFold的研发——
FoldBench综合评测中，在多数蛋白质相关任务上超越了AlphaFold 3的生物分子结构预测模型。
要知道，AlphaFold系列是DeepMind的王牌项目，AlphaFold 2拿过诺贝尔化学奖，AlphaFold 3更是把预测范围从蛋白质扩展到了DNA、RNA、配体等几乎所有生物分子类型。
在这个级别的对手面前，SeedFold直接让蛋白质单体预测lDDT达到了0.8889，抗体-抗原界面DockQ 53.21%，蛋白质-RNA界面DockQ 65.31%，均超过AlphaFold 3。
SeedFold之外，团队在AI制药赛道上还有两张牌。
SeedProteo是一个蛋白质结合物设计模型。和多数方法只设计骨架不同，SeedProteo在全原子级别直接设计蛋白质，使用了一个「Design View」模块来引导生成过程。
在10个benchmark靶标上的测试中，SeedProteo的成功率和多样性都超过了AlphaProteo、RFdiffusion、Chai-2、BinderCraft和BoltzGen这些主流开源方法。
DPLM系列则是团队在蛋白质语言模型上的持续投入，已经迭代了三代。
DPLM是第一个基于离散扩散的蛋白质语言模型，在进化规模的蛋白质序列上做预训练，统一了表征学习和生成两个任务，发表在ICML 2024。
DPLM-2加入了多模态能力，能同时生成氨基酸序列和3D结构，入选ICLR 2025。
最新的DPLM-Evo更进一步，在扩散过程中显式建模蛋白质进化中的替换、插入和删除操作，已被ICML 2026接收。
三代模型，每一代都在往「通用蛋白质基础模型」的方向推进。
从炼药到炼模型
2025年初，Quanquan Gu做了一次大转向。
从AI制药切到LLM预训练，他加入了Seed的预训练团队，并在其中创建了LLM optimization and scaling team，专攻一个问题，怎么在前沿规模上稳定、高效地把模型炼出来。
这个团队搭建的预训练栈，为Seed 2.0的成功训练提供了关键基建支撑。
而这也是他在字节参与的最后一个公开项目。
在告别推文的最后，顾全全写道：「最好的模型还没来，Scaling不会停。」
参考资料：
https://x.com/QuanquanGu/status/2061638562362392788
本文来自转载新智元 ，观点仅代表作者本人，发现AI平台仅提供信息存储空间服务。
如若转载，请联系原作者；如有侵权，请联系编辑删除。
微信扫一扫 
