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。

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——

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。

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

技术交流群邀请函

△长按添加小助手

扫描二维码添加小助手微信

请备注：姓名-学校/公司-研究方向

（如：小张-哈工大-对话系统）

即可申请加入自然语言处理/Pytorch等技术交流群

关于我们

MLNLP 社区是由国内外机器学习与自然语言处理学者联合构建的民间学术社区，目前已经发展为国内外知名的机器学习与自然语言处理社区，旨在促进机器学习，自然语言处理学术界、产业界和广大爱好者之间的进步。

社区可以为相关从业者的深造、就业及研究等方面提供开放交流平台。欢迎大家关注和加入我们。