今天聊聊一下ABGEL算法:由字节跳动ByteDance于2025年5月推出的“理解与生成统一”的开源多模态基础模型Scalable Generative Cognitive Model1。它拥有70亿活跃参数总计140亿参数在大规模交错的多模态数据上进行了训练。核心架构采用了混合 Transformer 专家MoT, Transformer-Experts架构。它包含两个独立的视觉编码器一个用于捕获语义信息以理解一个用于捕获像素信息以生成以及两个Transformer专家理解专家和生成专家。这两个专家通过每一层的共享 Self-Attention 操作在相同的 token 序列上运行实现多模态理解和生成之间的长上下文交互。训练范式预测文本 token 时遵循 Next-Token-Prediction 范式而预测视觉 token 时则采用 Rectified Flow 方法.Bagel基于条件 VAE 的 KPI 异常检测算法.这是一个在IT运维和系统监控领域广泛应用的无监督异常检测算法。传统的 VAE 模型在处理时间序列数据如 KPI 指标时容易忽略窗口之间的时间相关性导致误报或漏报。核心原理Bagel 算法基于条件变分自动编码器CVAE创新性地将“时间信息”作为输入条件引入模型中。解决痛点为了避免 CVAE 在拟合具有周期性的 KPI 时间信息时出现过拟合Bagel 在神经网络中添加了额外的 Dropout 层从而构建了一个鲁棒的全局模型。效果相比之前的先进算法如 DonutBagel 大大提高了对包含时间信息和周期性异常检测的鲁棒性显著提升了最佳 F1-score.BagelApache Spark 的图计算框架.这是 Apache Spark 生态中的一个库是 Google Pregel 图处理框架的 Spark 实现。编程模型它将图表示为分布式数据集作业以一系列称为“超级步supersteps”的迭代运行。在每个超级步中每个顶点运行用户指定的函数更新自身状态并向其他顶点发送消息以供下一次迭代使用。现状需要注意的是Bagel 即将被 Spark 的 GraphX 库取代官方建议新用户使用 GraphX 来替代.