微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 雅虎与商铺点评网站Yelp合作获益几何? 简言之:很多

雅虎与商铺点评网站Yelp合作获益几何? 简言之:很多

2014-02-11 09:57
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2014-02-11 09:57 CNET科技资讯网

上周末,据《华尔街日报》报道,雅虎在内部宣布了其将与美国商铺点评网站Yelp授权合作的消息,希望将Yelp网站上的本地商铺列表和用户评价整合到雅虎的搜索引擎结果中。

雅虎与商铺点评网站Yelp合作获益几何? 简言之:很多

这笔交易的相关细节均未被披露,不过看起来雅虎好像要将其本地搜索工作外包给Yelp。以往,雅虎的内部团队往往是从第三方提供的消息中获得当地商铺信息,并将其数据提炼整合到雅虎的搜索结果中去。

对雅虎而言,这笔授权合作交易的套路很常见。雅虎首席执行官玛丽莎·梅耶尔(Marissa Mayer)此前曾称,雅虎是一家非常友好的公司,表示会向专有技术不足的合作伙伴开放。而该公司最知名的合作伙伴关系便是其与微软Bing的10年期搜索协议,尽管这份协议并不是在梅耶尔任期内达成的,但微软仍旧在负责Yahoo.com的网页功能。

雅虎对其同微软之间交易的感觉是神秘难解的。梅耶尔过去曾对这笔交易表达过她的不满,然而它促使雅虎取得了一大笔搜索营收,占31%。如果雅虎能证明这笔交易尚未达到一定的财务预期,那么雅虎可在2015年退出这笔交易。有报道称,雅虎希望通过在算法搜索和搜索技术领域开发核心技术重返搜索市场。

《华尔街日报》曾表示,雅虎与Yelp的合作关系将在未来几周内公布。这与12月份CNET曾报道过的雅虎积极的搜索策略消息一致。报道曾表示雅虎正专注于“结构化搜索”。

因此在Yahoo与Yelp的合作交易中,真正有趣的是,伴随着雅虎对结构化搜索兴趣的恢复,该公司将如何把它融入到雅虎未来的搜索产品中。举例来说,如果雅虎的该笔交易与Yelp和微软必应的协议类似,那么在用户搜索某一特定餐厅时,便会自动搜到Yelp的评论和照片。梅耶尔之前曾表示,其用户界面将与雅虎搜索有所区别,Yelp将十分有助于雅虎改进其搜索结果内容。据悉,梅耶尔在谷歌任职时,曾试图让公司收购Yelp。

无论如何,雅虎与Yelp的合作可谓姗姗来迟。前雅虎本地搜索团队成员之一表示:“雅虎很久以前就应该进行这笔投资了。这个搜索平台已经快要瓦解。”

他认为,它不仅基本落后于美国本地搜索市场,而且也在很大程度上忽略了国际市场的工作。更糟的是,其本地搜索技术本身已经与国际市场相异,这使得他们很难按计划执行工作。这跟雅虎的许多问题类似,主要是其历史遗留问题——平台。例如,韩国市场搜索平台不同于美国市场的搜索平台,因为这些平台独立的存储方式促使它们之间彼此分离。

当问及雅虎与Yelp的合作预计可获得多少收入时,这位前雅虎雇员指出,这将是一笔巨资,因为它的到来将很大程度上提高该公司的声望。据有关人士猜测,协议内容或许会更偏向Yelp,Yelp获取收入或占70%,而雅虎则占30%。

雅虎拒绝予以置评。也尚未披露其相关财务条款。不过,不论协议内容如何,对雅虎而言都是值得的。


分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-