字节跳动研究团队开发了开源量子化学计算工具ByteQC,利用GPU加速显著提升了量子化学算法的计算效率。该工具结合量子嵌入方法,实现高精度大规模模拟,解决了显存限制和复杂逻辑问题,推动了量子化学的发展。
世界模型通过内部表征提升智能体对环境的理解。ByteDance与上海交通大学合作提出WMP算法,成功应用于四足机器人视觉控制,展现出卓越的决策能力和泛化性能,推动机器人控制的新模式。
ByteDance Research 发布了视频理解大模型 Tarsier2,具备强大的视频分析能力,能够细致捕捉人物动作和情节发展。经过大规模预训练和后训练,Tarsier2 在视频描述任务上超越了多款模型,展现出广泛的应用潜力,尤其在机器人和智能驾驶领域。
2025年,ByteDance Research推出了基于强化学习的论文检索智能体PaSa,用户只需提出学术问题,PaSa即可快速检索相关论文,显著提升调研效率。与主流工具相比,PaSa在召回率和准确率上均有显著提高,现已开放试用并提供开源数据和代码。
2024年诺贝尔化学奖授予David Baker团队和AlphaFold团队,表彰其在结构生物学中推动AI应用的贡献。字节跳动研究团队提出CryoSTAR方法,结合蛋白质结构先验,提升冷冻电镜的动态解析能力,展现了在生命科学和药物研发中的潜力。
字节跳动的AI大模型被实习生植入恶意代码,导致训练数据污染和模型评估不稳定,损失数千万美元。事件暴露了人员管理和系统安全性的问题,未来与AIGC合作需确保过程和结果的可控性。
字节跳动推出的GR-2机器人大模型以其强大的泛化能力和多任务通用性著称。通过在3800万个视频片段上预训练,GR-2在动作预测和视频生成方面表现优异,多任务学习成功率达97.7%,并能适应新场景。其在工业中的物体拣选应用展现出巨大潜力,但仍需提升数据多样性。
介绍了一款C#开源的字节跳动SDK,封装了全部已知的字节跳动API,支持多平台部署和两种序列化方式。提供了安装、初始化、请求和响应等操作的示例代码,附上了项目源码地址和优秀项目和框架精选的链接。
完成下面两步后,将自动完成登录并继续当前操作。