李成刚执掌字节 Seed 预训练数据,从搜索业务转入大模型核心层

李成刚现在是字节 Seed 预训练数据 Pretrain Data 一级部门负责人,完成了从搜索技术负责人到大模型数据核心管理者的身份转变,这也是字节 Seed 团队组织架构调整里非常关键的一步,大模型行业里高质量原始语料越来越少,预训练数据的筛选、合成、配比直接决定基础模型能力上限,所以这个岗位在 Seed 体系里权重很高。李成刚本身是清华机械本硕,早年在字节的核心工作就是从零搭建网页、视频搜索系统,积累了海量网页信息抓取、清洗、去重、信息排序的经验,而搜索处理网页数据的思路,刚好可以迁移到大模型预训练数据处理上,这也是字节早期做大模型时,直接由搜索团队牵头启动语言模型项目的重要原因。2023 年初字节启动大模型项目,李成刚跟着搜索团队入局 Seed,2024 年他以豆包预训练方向负责人对外露面,主攻数据清洗、数据合成、样本配比、课程式学习;2026 年 8 月 Seed 组织调整,专门成立独立的 Pretrain Data 一级部门,由李成刚全权负责,直接向 Seed 负责人吴永辉汇报,把之前分散在文本、代码、视觉、语音各个独立方向的预训练数据团队全部收拢整合,统一为 Omni 全模态模型以及超大参数基础模型供给训练数据。

李成刚团队四大业务分支

  • 文本分支:由沈科负责,主攻通用文本预训练语料治理
  • 代码分支:由 Xia Xiao 负责,对接 Seed-Coder 代码模型的数据生产
  • 视觉分支:由林毅负责,处理图像相关预训练素材
  • 语音分支:统筹音频、语音类预训练数据

李成刚的核心工作逻辑

他不再只是简单收集网上文本,而是走模型驱动的数据流水线模式:先筛选原始素材,再做数据增强、合成优质样本,控制不同类型数据的占比顺序,搭配课程学习策略,配合评测体系验证数据效果,这套方案用来缓解公开高质量语料枯竭的行业难题,支撑字节冲击超大参数模型。

这次调整带来的变化

调整前,文本、代码、视觉数据团队各自独立干活,存在重复建设、跨模态协同不畅的问题;调整之后所有预训练数据入口统一,数据标准统一,方便给全模态 Omni 模型统一喂数据,适配字节下一代超大模型的训练规划。

【相关 FAQ】

问题 1:李成刚负责的字节 Seed 预训练数据部门主要做什么?

回答 1:李成刚掌管的字节 Seed 预训练数据 Pretrain Data 部门,整合文本、代码、视觉、语音四大赛道预训练数据团队,负责预训练数据的清洗、合成、配比、评测,为 Seed 的 Omni 全模态模型和超大基础模型提供训练原料。

问题 2:李成刚为什么能从搜索业务转到字节 Seed 大模型核心?

回答 2:李成刚早年搭建字节网页和视频搜索系统,长期做网页数据抓取、清洗、去重,搜索的数据处理经验和大模型预训练数据治理高度相通,加上字节早期大模型项目本身就是搜索团队牵头启动,后续他持续深耕预训练方向,最终进入 Seed 核心。

问题 3:字节 Seed 预训练数据统一归口李成刚管理,对字节大模型有什么好处?

回答 3:字节 Seed 预训练数据统一交给李成刚统筹,消除了不同模态数据团队重复开发的问题,统一数据标准,更容易调配多模态训练素材,支撑 Omni 模型和超大参数模型的训练计划。

【参考资料】

[2026-11-17](统管字节 Seed 预训练数据,李成刚从搜索走向大模型核心)ZFinance

[2026-10-29](中国 AI 最有权力的数据掌舵人:8 家公司,11 位核心负责人)虎嗅网

[2026-10-19](字节 Seed 大重组:吴永辉的 “大兵团” 作战,与出走的联合创始人)36 氪

[2026-08-19](字节 Seed 基模团队调整组织架构)36 氪

【免责声明】

本文内容仅为行业资讯信息整理,所有信息来源于公开媒体报道,不构成投资建议、行业决策建议;相关组织架构、人员分工以字节跳动官方后续公告为准,信息存在随内部调整变更的可能性。

本文来自作者[幻核追踪]投稿,不代表岳鹿科技网立场,如若转载,请注明出处:https://www.newsyuelu.com/rgzn/202611/1194.html

赞 (0)
反馈

发表回复

本站作者后才能评论

评论列表(4条)

  • 幻核追踪
    幻核追踪 2026年11月17日

    我是岳鹿科技网的签约作者“幻核追踪”!

  • 幻核追踪
    幻核追踪 2026年11月17日

    希望本篇文章《李成刚执掌字节 Seed 预训练数据,从搜索业务转入大模型核心层》能对你有所帮助!

  • 幻核追踪
    幻核追踪 2026年11月17日

    本站[岳鹿科技网]内容主要涵盖:互联网行业的追踪与探索

  • 幻核追踪
    幻核追踪 2026年11月17日

    本文概览:李成刚现在是字节 Seed 预训练数据 Pretrain Data 一级部门负责人,完成了从搜索技术负责人到大模型数据核心管理者的身份转变,这也是字节 Seed 团队组织架构调整里非常关键的一步,大模型行业里高质量原始语料越来越少,预训练数据的筛选、合成、配比直接决定基础模型能力上限,所以这个岗位在 Seed 体系里权重很高。李成刚本身是清华机械本硕,早年在字节的核心工作就是从零搭建网页、视频搜索系统,积累了海量网页信息抓取、清洗、去重、信息排序的经验,而搜索处理网页数据的思路,刚好可以迁移到大模型预训练数据处理上,这也是字节早期做大模型时,直接由搜索团队牵头启动语言模型项目的重要原因。2023 年初字节启动大模型项目,李成刚跟着搜索团队入局 Seed,2024 年他以豆包预训练方向负责人对外露面,主攻数据清洗、数据合成、样本配比、课程式学习;2026 年 8 月 Seed 组织调整,专门成立独立的 Pretrain Data 一级部门,由李成刚全权负责,直接向 Seed 负责人吴永辉汇报,把之前分散在文本、代码、视觉、语音各个独立方向的预训练数据团队全部收拢整合,统一为 Omni 全模态模型以及超大参数基础模型供给训练数据。

联系我们

联系:143 0457 151

工作时间:周一至周五,9:30-18:30,节假日休息

关注我们