本站10月3日消息，TikTok母公司字节跳动在2023年第一季度实现了近60亿美元（本站备注：当前约438.6亿元人民币）的营业利润，几乎是前一年的两倍。在迅速增加收入的同时，字节跳动也在大幅削减了营销、行政和研究费用。根据《华尔街日报》的报道，调查显示，自2021年以来，字节跳动在很大程度上改变了其业务状况。当时，它的运营亏损约为70亿美元（约合511.7亿元人民币）此外，根据字节与员工分享的一份财务报告，尽管其收入持续增长——2022年增长超过38%，达到852亿美元（当前约6228.12

驱动中国2023年9月12日消息据财联社报道，字节跳动旗下“悟空搜索”App更新至1.4版本，并更名为“小悟空”且更新了Logo。据了解，字节跳动于去年推出悟空搜索，主打“无广告搜索”，此次更新将产品重新定位为“专属AI工具库”。目前，小悟空App内置20余种类、超200个AI工具，可满足用户的工作、生活、娱乐等需求。然而，根据实际测试结果显示，小悟空的人工智能功能仍处于初级阶段，回答的质量并不理想，仍需要等待后续的优化工作

【环球网科技综合报道】9月12日消息，今日，字节跳动将旗下搜索软件“悟空搜索”App正式改名为“小悟空”。据介绍，小悟空App内包含基于大语言模型的AI工具合集，支持智能对话和辅助推荐功能。智能工具分类包括创作生成、学习提升、工作职场、专业咨询、虚拟角色、休闲娱乐等，用户可以使用该工具进行翻译、法律咨询、趣味测试等操作。在改名之前，“悟空搜索”是一款包含清爽浏览和各种专业资讯等功能的搜索引擎，致力于给用户带来全新的浏览体验，用户可以快速获取各类专业知识、生活技巧、体育财经、新闻信息等

字节跳动旗下的创意视频剪辑工具CapCut在中国、美国和东南亚拥有大量用户。该工具支持安卓、iOS和PC平台市场调研机构data.ai最新报告指出，截至2023年9月11日，CapCut在iOS和GooglePlay上的用户总支出已突破1亿美元（本站备注：当前约7.28亿元人民币），成功超越Splice（2022年下半年排名第一）成为2023年上半年全球最吸金的视频剪辑应用，与2022年下半年相比增长了180%。截至2023年8月，全球有4.9亿人通过iPhone和安卓手机使用CapCut。da

本站8月17日消息，字节跳动旗下LLM人工智能机器人“豆包”现已开始小范围邀请测试，用户可通过手机号、抖音或者AppleID登录。根据报道，据称字节跳动公司开发了一款名为"豆包"的AI工具，该工具基于云雀模型，提供聊天机器人、写作助手和英语学习助手等功能。它可以回答各种问题并进行对话，帮助人们获取信息。"豆包"支持网页Web平台、iOS和安卓平台，但在iOS平台上需要通过TestFlight进行安装官网用户协议显示，“豆包”软件及相关服务系指北京春田知韵科

【环球网科技综合报道】7月6日消息，据消息人士透露，字节跳动正在准备入局机器人行业，目前团队已有约50人，计划年底扩充到上百人，并生产一些服务字节自己的电商履约需求，能在仓库里分拣、打包货物的机器人。不过对于该信息，字节跳动方面暂时没有回应。针对互联网大厂入局机器人行业，有机构预测到2024年，全球、中国工业机器人市场规模可达230、115亿美元。市场人士指出，我国工业机器人销量走回正增长区间，自动化改造意愿逐渐回归。具备核心技术、不断拓展下游市场应用的主机厂与具备国产替代能力、核心产品过硬的零

UniApp实现字节跳动小程序的开发与上线流程解析字节跳动小程序作为一种新兴的移动应用开发方式，正逐渐在业界流行起来。在开发字节跳动小程序之前，我们需要了解如何使用UniApp来实现开发和上线的流程。一、UniApp简介UniApp是一套基于Vue.js开发的以HTML5、App、小程序为多端统一开发的框架，通过编写一套代码，可以同时在多个平台上运行，包括字

UniApp是一种基于Vue框架的跨端开发工具，通过使用UniApp，我们可以方便地将一个项目同时编译成多个平台的应用程序，包括小程序、H5、App等。而字节跳动小程序是一种独特的小程序形式，它有着自己的原生组件和独特的开发方式。本文将介绍如何在UniApp中实现字节跳动小程序原生组件的扩展与使用技巧，并提供对应的代码示例。原生组件的扩展字节跳动小程序的原生

技术的进步，往往意味着行业的进化发现了新的方向。翻译行业也不例外。随着全球化进程不断加快，人们在进行涉外活动时都离不开跨语言的交流。机器翻译的出现极大地扩充了翻译的应用场景，固然它还远远称不上完善，但却在人类挑战巴别塔的路上跨出了坚实的一步。51CTO特邀字节跳动AILab机器翻译负责人王明轩，聊一聊机器翻译发展的这些年、那些事。从基于规则，到基于统计模型，再到基于神经网络机器翻译的发展与计算机技术、信息论、语言学等学科的发展紧密相关。进入21世纪以后，随着硬件能力的提升和算法的优化，机器翻译技

近日，人工智能国际顶会AAAI2023公布评选结果。新加坡国立大学（NUS）与字节跳动机器学习团队(AML)合作的CowClip技术论文入围杰出论文（DistinguishedPapers）。CowClip是一项模型训练优化策略，可以在保证模型精度的前提下，实现在单张GPU上的模型训练速度提升72倍，相关代码现已开源。​论文地址：https://arxiv.org/abs/2204.06240​开源地址：https://github.com/bytedance/LargeBatchCTR​AAA

Transformer模型出自于Google团队2017年发表的论文《Attentionisallyouneed》，该论文中首次提出了使用Attention替换Seq2Seq模型循环结构的概念，给NLP领域带来了极大冲击。且随着近年来研究的不断推进，Transformer相关技术逐渐由自然语言处理流向其他领域。截止目前，Transformer系列模型已经成为了NLP、CV、ASR等领域的主流模型。因此，如何更快地训练和推理Transformer模型已成为业界的一个重要研究方向。低精度量化技术能够

一. 背景介绍在字节跳动，基于深度学习的应用遍地开花，工程师关注模型效果的同时也需要关注线上服务一致性和性能，早期这通常需要算法专家和工程专家分工合作并紧密配合来完成，这种模式存在比较高的 diff 排查验证等成本。随着 PyTorch/TensorFlow 框架的流行，深度学习模型训练和在线推理完成了统一，开发者仅需要关注具体算法逻辑，调用框架的 Python API 完成训练验证过程即可，之后模型可以很方便的序列化导出，并由统一的高性能 C++ 引擎完成推理工作。提升了开发者训练到部署的体验

​如何在卷积神经网络上运行 BERT？你可以直接用 SparK —— 字节跳动技术团队提出的稀疏层次化掩码建模 (Designing BERT for Convolutional Networks: Sparse and Hierarchical Masked Modeling)，近期已被人工智能顶会收录为 Spotlight 焦点论文：​论文链接：​​​https://arxiv.org/pdf/2301.03580​​​开源代码：​​​https://github.com/keyu-tian