下午,安卓手机内容聚合平台豌豆荚发布4.0新版,并正式宣布以“移动内容搜索”为核心战略。
搜索:从应用深入到内容 基于移动端数据
作为安卓手机内容聚合平台,一直以来,豌豆荚都以“移动内容搜索”为方向进行投入和发展,在豌豆荚联合创始人、,成为人们接入网络最主要的一“屏”。
王俊煜 2010年与2014年豌豆荚办公室对比图
王俊煜强调,豌豆荚在搜索上所积累的数据基于移动。手机搜索不是PC搜索的延伸,而是来自移动端的内容和用户行为数据。
统一搜索入口 百万内容资源
会上,豌豆荚“移动内容搜索”在豌豆荚 版上也得到了完整的呈现,将搜索扩展到包括应用、游戏、视频、电子书、壁纸、主题、音乐等在内的多个娱乐类别,并通一致的内容呈现出来。
在呈现上,用户可从统一的搜索入口发现自己想要的内容,免去了进入多个应用进行多次搜索的过程。
例如,用户想看《仙剑奇侠传》,搜索出来的包括视频、游戏、电子书、壁纸、应用等多类相关内容,且可在不同类别中间直接切换。而当一个关键词对应不同类别的娱乐内容时,新版豌豆荚将凭借积累的移动用户行为数据,判断在手机上用户希望优先获取哪类内容、并优先展示。
值得一提的是,豌豆荚在应用和游戏、视频、电子书、壁纸的内容索引都已经超过100万。
支持开放
豌豆荚4.0版本中基于内容的搜索方式,提供了简单的技术接口,开发者能以原生应用自由接入豌豆荚,无需重新构建产品。豌豆荚不会将用户和流量圈在自己的产品内,而是告诉用户在哪里可以找到他们想要的内容,然后将用户和流量直接导到开发者的产品中,为开发者带来收益。
王俊煜指出:“移动内容搜索”战略离不开开发者,豌豆荚希望最大化开发者利益,建立更开放的生态系统。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。
伊利诺伊大学研究团队通过对比实验发现,经过强化学习训练的视觉语言模型虽然表现出"顿悟时刻"现象,但这些自我纠错行为并不能实际提升推理准确率。研究揭示了AI模型存在"生成-验证差距",即生成答案的能力强于验证答案质量的能力,且模型在自我验证时无法有效利用视觉信息,为AI多模态推理发展提供了重要启示。
MIT等顶尖机构联合提出SparseLoRA技术,通过动态稀疏性实现大语言模型训练加速1.6倍,计算成本降低2.2倍。该方法使用SVD稀疏性估计器智能选择重要计算部分,在保持模型性能的同时显著提升训练效率,已在多个任务上验证有效性。