在数字化转型的浪潮与5G技术快速进步的推动下，短视频、电子商务、在线支付等业务迅速增长，带来了对全站加速服务需求的显著上升。为了更好地服务用户、提高体验，传统的全站加速服务正遭遇资源分配、运维效率、稳定性和成本控制等多方面的挑战。随着边缘计算的迅速发展，凭借其弹性可伸缩、自动化交付、安全性与稳定性等创新特性，为解决这些问题提供了新的途径。因此，火山引擎边缘云技术团队利用边缘计算的云原生技术优势，将全站加速 DCDN 业务转移到边缘计算平台，推动了全站加速 DCDN 服务的一次重大创新升级。 经过一年的改造迁移，火山引擎全站加速 DCDN目前已将 90% 的流量转移到边缘计算容器平台。面对发展中的挑战，全站加速 DCDN 不仅积极应对，还在持续加强容器平台的调度效率、算力、存储和网络等关键能力，确保为抖音集团内部和各行业客户业务提供稳定、高效且极具性价比的加速服务。 本文将基于全站加速 DCDN 与边缘计算的关系以及容器化过程中面临的挑战，分享火山引擎全站加速 DCDN 在边缘计算容器平台规模化落地的实践。
数据资产管理平台是抖音集团在复杂业务场景中思考的新方向，本文将简单介绍“抖音集团数据资产管理平台”全貌，启发大家对于元数据以及数据资的全新思考，让大家以更宏观视角认识血缘，并对于建设好数据血缘，提供一些建设性思路。
作为数据科学与机器学习经典竞赛，Kaggle 以其高难度、高奖金、高关注度吸引了大量顶尖人才参与。Kaggle 竞赛任务往往涉及需求理解、数据清洗和预处理、特征工程和建模等多个环节，需要参与者具备极强的专业知识与协作能力。 字节跳动豆包大模型团队与 M-A-P 社区于近日提出 AutoKaggle ，为数据科学家提供了一个端到端的数据处理解决方案，帮助简化和优化日常数据科学工作流程的同时，极大降低数据科学的门槛，可帮助更多没有相关背景的使用者进行有价值的探索。在相关评估中，AutoKaggle 性能表现超出人类平均水平。 目前，该成果已经开源，本文将介绍其立项缘起、技术亮点及实验中的更多结论。
Ray Summit是Ray社区一年一度的全球盛会，2024年于9月30日至10月2日在美国旧金山举行，主题是"Where Builders Create the AI Future"，聚焦于构建人工智能的未来，吸引了全球众多AI开发者和行业领袖。今年的Ray Summit不仅是一个技术交流的平台，更是一个展示最新AI技术和趋势的舞台。包括OpenAI、Meta、LangChain、Google、Nvidia、ByteDance在内的多家顶尖科技公司和组织参与了此次盛会，共同探讨和分享了他们在AI领域的最新进展和洞见。
短视频在过去数年内成为主流的内容创作和信息分发渠道之一， 字节跳动提供独特的视频播放体验，吸引了全球数十亿用户， 一项重要的贡献因素是其先进的个性化视频技术。过去五年间，团队完整开创了这一崭新的技术领域以优化用户体验， 在此我们首次向业界披露个性化视频技术区别于传统音视频技术的主要概念和部分方法， 希望对整个行业有所启发。本文系“个性化播放技术”的中文精简版，欲了解更详细内容可参考原论文。论文链接：https://arxiv.org/abs/2410.17073（复制到浏览器打开，也可点击文末阅读原文，直接跳转）
随着云原生技术栈的迅速发展，系统复杂性逐渐下沉到服务网格、网关、通用 sidecar、serverless 运行时、内核等基础设施层面，给可观测性带来了巨大的挑战。本文结合真实的排障案例，介绍了火山引擎云原生团队在容器全栈观测方面的技术实践。
在 2024 年全国大学生物联网设计竞赛中，火山引擎作为支持企业，不仅参与了赛道的命题设计，还为参赛队伍提供了相关的硬件和软件支持。以边缘智能和扣子的联合应用为核心，参赛者们在这场竞赛中展现出了卓越的创新性和实用性，将边缘智能与扣子的技术巧妙地应用于机器人、家庭陪护、智慧康养、智慧座舱等多个领域，为未来行业应用结合大模型的 AIoT 解决方案探索出更多可能性。 本文将聚焦机器人领域，详细介绍“少年先疯”队伍，基于火山引擎边缘智能及扣子，打造的家庭助老助残智能取物机器人解决方案。
10月18日，在 QCon 全球软件开发大会 2024（上海站），火山引擎边缘云资深架构师徐广治围绕火山引擎边缘计算产品背后的算力底座 - 边缘云原生操作系统，探讨如何实现算力服务的混合部署和跨区域弹性调度，以及在小型化、集成化、轻量化基础上的技术创新，并展开介绍了边缘云原生操作系统的研发动因、面临挑战、架构设计和未来演进方向。 演讲内容主要包括了五部分：边缘云行业现状和发展历程，边缘场景的技术挑战，边缘云原生操作系统，业务应用实践，演进和未来思考。
字节跳动豆包大模型团队近期发布成果 《How Far is Video Generation from World Model: A Physical Law Perspective》，该成果系统性分析了主流 DiT 架构视频生成模型究竟能否从数据集中抽象并理解物理规律，并为此进行了系统性实验。 本文介绍了此项研究的实验方法、探究过程与关键实验结果。
