バイトダンス社は最近、Doubaoアプリに新しい機能「画像理解」を追加しました。DoubaoアプリとPC版に写真とカメラボタンが追加され、ユーザーは画像をアップロードしてシステムに画像の内容を認識させることができます。Doubaoの画像理解機能は文字認識だけでなく、画像の内容を解析し、冗談を理解して説明することもできます。
バイトダンス傘下の大規模言語モデルAIアシスタントであるDoubaoは、既にテキスト生成、画像生成など様々な機能をサポートしています。
以前、Doubaoは動画生成機能のクローズドベータテストを実施していました。Doubao公式サイトによると、Doubaoの動画生成機能は、画像とテキストをワンクリックで生き生きとした動画に変換できます。ユーザーは自分のニーズに合わせて様々なスタイルやアスペクト比を選択し、動的な効果やカメラワークを追加して、複数のショットの一貫性を確保し、独自の動画を作成できます。
バイトダンス傘下の豆包大規模言語モデルチームは先日、混合専門家モデル（MoE）アーキテクチャにおける主要なボトルネックを克服し、COMETという名称の重要な最適化技術をオープンソース化したと発表しました。この技術は、大規模言語モデルのトレーニング効率を大幅に向上させ、最大1.7倍の効率向上を実現し、トレーニングコストを40％削減することに成功しました。画像注記：画像はAIによって生成され、画像ライセンス提供サービスMidjourneyを使用しています。COMET技術は、バイトダンスの万規模GPUクラスタトレーニングで実際に適用されており、数百万GPU時間の節約に貢献しています。
人工知能は画像認識分野で非常に盛んです。猫や犬の分類などはもう時代遅れで、今では「連想ゲームPlus版」のような、例えばある特定の年式の特定のモデルのスポーツカーであること、あるいはある鳥の眉毛が隣の家の王さんの眉毛よりもわずかに太いかどうかなどを瞬時に識別することが流行しています。しかし、問題はあります。ニューラルネットワークは賢いのですが、「なぜこれがこれだと判断したのか？」を説明しようとすると、まるでテストで解法を説明できない生徒のように、支離滅裂でまともな説明ができません。従来のClass Activation Map（クラス活性化マップ）は…
