你是否想过，LLM训练自己的数据，还能比人类筛选的更高效？传统code大模型依赖人工制定规则筛选数据，成本高、效率低，还容易带偏模型。

最近，字节跳动Seed团队开源 8B 参数代码模型

字节跳动推出了一款全新的 8B 参数开源代码模型 Seed-Coder。令人惊叹的是，这款模型在性能上竟超越了众多百亿参数的竞争对手，在代码生成的竞技场上脱颖而出，为开发者们带来了前所未有的高效编程工具。

一、技术创新

传统数据筛选方式的困境，如同沉重的枷锁，限制着代码模型的发展速度与质量。而 Seed-Coder 团队另辟蹊径，提出了一种极具创新性的解决方案 ——“让 LLM 自己当老师”。用模型筛选数据训练自己，打造出一系列8B参数的轻量级开源代码模型，性能甚至超越百亿级对手！

字节跳动的 Seed 团队重磅发布了视觉 - 语言多模态大模型： Seed1.5-VL！

在60个主流测试中狂揽38项第一！这个模型的视觉编码器仅有532M参数，却能在零样本分类任务中硬刚17.5B参数的EVA-CLIP。

Seed1.5-VL由三个主要部分组成：视觉编码器（Seed-ViT）、MLP适配器和LLM（200亿激活参数）。

Seed1.5-VL 效果展示

• 很模糊的图片也能清晰的抽取出来，并改正代码

论文：Seed1.5-VL Technical Report
链接：https://github.com/ByteDance-Seed/Seed1.5-VL/blob/main/Seed1.5-VL-Technical-Report.pdf