AI资讯新闻榜单内容搜索-字节

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
搜索: 字节
字节的豆包居然有了自己的IP宇宙

字节的豆包居然有了自己的IP宇宙

字节的豆包居然有了自己的IP宇宙

作为一名科技内容创作者,我的日常就是追踪最新的技术和商业进展。

来自主题: AI资讯
5872 点击    2025-07-07 14:02
腾讯入局AI IDE,这次他们直接造了个「AI全栈高级工程师」

腾讯入局AI IDE,这次他们直接造了个「AI全栈高级工程师」

腾讯入局AI IDE,这次他们直接造了个「AI全栈高级工程师」

辣个前端时间爆火的腾讯云代码助手-CodeBuddy。最近出IDE了,还是叫CodeBuddy(不是插件),跟之前的Trae一样,目前先发布的是国际版,codebuddy.ai。现在除了海外的以Cursor为代表的AI IDE之外,国内大厂(字节、阿里、百度、腾讯)纷纷都发布了自己的AI IDE产品。

来自主题: AI资讯
7562 点击    2025-07-07 10:38
字节的Trae-Agent开源,它才是真“源神”~

字节的Trae-Agent开源,它才是真“源神”~

字节的Trae-Agent开源,它才是真“源神”~

2025年7月,字节跳动旗下AI原生集成开发环境Trae宣布开源其核心组件Trae-Agent。

来自主题: AI资讯
6224 点击    2025-07-06 16:38
独家丨字节多维表格AI产品负责人王翛离职二次创业

独家丨字节多维表格AI产品负责人王翛离职二次创业

独家丨字节多维表格AI产品负责人王翛离职二次创业

雷峰网独家获悉,字节多维表格AI产品负责人王翛已于近期离职,将投身于AI硬件创业。多名人士透露,某顶流投资机构已确定投资王翛的创业项目。包括该机构在内,大多数人对王翛的评价极佳,认为他是非常聪明且有灵气的一个人。

来自主题: AI资讯
7669 点击    2025-07-06 10:36
晚点独家丨2 年半,字节造出千台机器人,长期目标是具身智能

晚点独家丨2 年半,字节造出千台机器人,长期目标是具身智能

晚点独家丨2 年半,字节造出千台机器人,长期目标是具身智能

2023 年 7 月,《晚点 LatePost》曾独家披露,字节 AI Lab 旗下机器人团队正推进机器人量产。当时曾定下到 2023 年年底,量产 200 台的目标。

来自主题: AI资讯
6155 点击    2025-07-03 11:17
画到哪,动到哪!字节跳动发布视频生成「神笔马良」ATI,已开源!

画到哪,动到哪!字节跳动发布视频生成「神笔马良」ATI,已开源!

画到哪,动到哪!字节跳动发布视频生成「神笔马良」ATI,已开源!

近年来,随着扩散模型(Diffusion Models)、Transformer 架构与高性能视觉理解模型的蓬勃发展,视频生成任务取得了令人瞩目的进展。从静态图像生成视频的任务(Image-to-Video generation)尤其受到关注,其关键优势在于:能够以最小的信息输入生成具有丰富时间连续性与空间一致性的动态内容。

来自主题: AI技术研报
6434 点击    2025-07-03 10:07
用好视觉Attention局部性,清华、字节提出Token Reorder,无损实现5倍稀疏、4比特量化

用好视觉Attention局部性,清华、字节提出Token Reorder,无损实现5倍稀疏、4比特量化

用好视觉Attention局部性,清华、字节提出Token Reorder,无损实现5倍稀疏、4比特量化

近年来,随着视觉生成模型的发展,视觉生成任务的输入序列长度逐渐增长(高分辨率生成,视频多帧生成,可达到 10K-100K)。

来自主题: AI技术研报
5860 点击    2025-06-30 15:35
字节Seed机器人招募多位业务负责人

字节Seed机器人招募多位业务负责人

字节Seed机器人招募多位业务负责人

《新智核》独家获悉,字节旗下Seed团队将招募多个机器人相关业务的一号位,包括机器人产品负责人、机器人工程技术负责人,以及具身智能大模型负责人。这一系列动作表明,Seed在机器人及具身智能领域加速布局的决心。

来自主题: AI资讯
5696 点击    2025-06-28 12:30
人民大学&字节Seed:利用μP实现Diffusion Transformers高效扩展

人民大学&字节Seed:利用μP实现Diffusion Transformers高效扩展

人民大学&字节Seed:利用μP实现Diffusion Transformers高效扩展

近年来,diffusion Transformers已经成为了现代视觉生成模型的主干网络。随着数据量和任务复杂度的进一步增加,diffusion Transformers的规模也在快速增长。然而在模型进一步扩大的过程中,如何调得较好的超参(如学习率)已经成为了一个巨大的问题,阻碍了大规模diffusion Transformers释放其全部的潜能。

来自主题: AI技术研报
6854 点击    2025-06-26 15:52