ByteDance on SoloSoft

DeerFlow: El Motor de Flujo de Trabajo LLM Open-Source de ByteDance

Mon, 01 Jan 0001 00:00:00 +0000

Construir aplicaciones LLM de producción implica mucho más que hacer una sola llamada API. Las aplicaciones del mundo real encadenan múltiples llamadas LLM, las combinan con pasos de procesamiento de datos, aplican lógica condicional, manejan errores con gracia y gestionan el estado a través del pipeline. DeerFlow de ByteDance proporciona un motor de flujo de trabajo integral para construir estas complejas aplicaciones LLM, con un diseñador visual de pipelines que hace que el proceso de desarrollo sea accesible y transparente.

DeerFlow está construido sobre la observación de que la mayoría de las aplicaciones LLM siguen patrones identificables: recuperar-luego-generar (RAG), razonamiento de múltiples pasos, evaluación LLM-como-juez y uso de herramientas basado en agentes. En lugar de implementar estos patrones desde cero cada vez, DeerFlow proporciona componentes de pipeline reutilizables que pueden conectarse tanto visual como programáticamente.

Seed1.5-VL: El Modelo Fundamental de Lenguaje de Visión de ByteDance que Alcanza 38 Puntos de Referencia SOTA

Mon, 01 Jan 0001 00:00:00 +0000

En el campo de rápido avance de los modelos de lenguaje de visión, ha surgido un nuevo peso pesado desde un rincón inesperado. Seed1.5-VL, desarrollado por el equipo Seed de ByteDance, ha logrado resultados de última generación en 38 de 60 puntos de referencia públicos, abarcando comprensión de imágenes, comprensión de video, análisis de documentos y razonamiento multi-imagen.

Construido sobre una arquitectura Mixture-of-Experts (MoE) de 20 mil millones de parámetros con aproximadamente 2 mil millones de parámetros activados por token, Seed1.5-VL representa un cuidadoso equilibrio entre capacidad bruta y eficiencia computacional. Supera a modelos con conteos de parámetros mucho mayores mientras mantiene velocidades de inferencia adecuadas para aplicaciones del mundo real.

StoryDiffusion: Autoatención Consistente para Generación de Imágenes y Video de Largo Alcance

Mon, 01 Jan 0001 00:00:00 +0000

StoryDiffusion es un proyecto de investigación de la Universidad de Nankai y ByteDance que aborda uno de los problemas más difíciles en IA generativa: mantener la consistencia visual en secuencias largas de imágenes y videos. Introduce un novedoso mecanismo de autoatención consistente (CSA) que permite a los modelos de difusión generar tiras cómicas, animaciones y videos coherentes, todo sin ajuste fino.

El desafío central que StoryDiffusion resuelve es simple de enunciar pero extremadamente difícil de resolver: cómo generar una secuencia de imágenes donde el mismo personaje se vea consistentemente igual en cada fotograma? Los modelos de difusión anteriores podían producir imágenes individuales impresionantes, pero al generar un cómic multipanel o un videoclip, los personajes cambiaban sutilmente entre fotogramas.

VeRL: Framework de Aprendizaje por Refuerzo de ByteDance para LLMs

Mon, 01 Jan 0001 00:00:00 +0000

La frontera más emocionante en la investigación de grandes modelos de lenguaje en 2025-2026 no ha sido hacer los modelos más grandes. Ha sido hacerlos más inteligentes a través del aprendizaje por refuerzo. DeepSeek-R1 demostró que el entrenamiento RL – específicamente GRPO (Optimización de Política Relativa a Grupo) – puede mejorar drásticamente las capacidades de razonamiento de un modelo, permitiendo razonamiento de cadena de pensamiento, autocorrección y resolución estructurada de problemas que rivaliza con modelos mucho más grandes. ByteDance, una de las empresas de tecnología más grandes del mundo y creadora de TikTok y Douyin, ha estado aplicando estas mismas técnicas a escala para entrenar sus propios modelos. VeRL es el framework detrás de ese esfuerzo.