
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
亚马逊FAR部门研究团队通过创新的"掩码比特建模"技术,突破了图像生成领域的传统认知。研究发现离散方法劣势源于信息容量不足而非技术路线缺陷,提出的BAR框架通过渐进式比特预测解决大词汇表计算难题,在ImageNet-256上创下0.99 gFID新纪录,同时实现数十倍的速度提升,为AI图像生成开启质量与效率并举的新时代。
北京大学与美团联合研究团队提出轮廓引导路径探索(OPE)方法,解决AI并行推理中的"互信息饱和"问题。通过先生成多样化策略轮廓再执行具体推理,避免多条思路重复收敛的困境。在数学推理测试中,该方法显著提升了复杂问题的解决成功率,为AI推理能力的可靠性提升提供了新的技术路径。
南洋理工大学研究团队开发了Dr. MAS训练方法,专门解决多智能体大语言模型系统的训练不稳定问题。该方法通过为每个AI智能体使用个性化的评价标准,避免了传统全局标准化导致的梯度爆炸问题。在数学推理和多轮搜索任务中,Dr. MAS显著提升了系统性能和训练稳定性,为构建更强大的AI协作系统提供了重要技术支撑。
腾讯AI实验室开发的Covo-Audio是首个真正实现端到端语音对话的7B参数大模型,能直接处理语音输入并生成自然回应。该系统突破了传统流水线式处理的局限,实现了智能与声音分离、全双工交互等创新功能,在多项基准测试中表现优异,特别是在情感理解和自然对话方面达到了新的水准,为语音交互技术的实用化和个性化应用开辟了新路径。