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。