百度、Bing、搜狗等是大家比较熟悉的搜索引擎,而豌豆荚却另辟蹊径,着手布局应用内搜索领域。
豌豆荚的联合创始人之一王俊煜曾表示,豌豆荚从来都不把自己定义为应用商店,在一开始就确定了做内容入口的战略。
而豌豆荚也依照战略迅速做出反应,在去年,豌豆荚发布了视频搜索正式版;在今年一月份,豌豆荚则推出了移动内容搜索战略以及全新的4.0版本,将搜索范围拓展到游戏、应用软件、视频、电子书、壁纸等类别。
今天,豌豆荚在京正式发布了应用内搜索技术协议,这是国内首个公开发布、全面支持移动独有内容的应用内搜索技术协议,提供了对应用内内容的检索、手里和调起的标准。
豌豆荚产品设计副总裁刘亚平表示,希望今天发布的应用内搜索技术协议,成为豌豆荚与内容提供商,应用开发者构建开放和共赢的移动互联网生态系统的基础。在此之上,豌豆荚会加快整合各类移动应用的内容资源,为用户带来优质和丰富的手机娱乐搜索体验,并将用户和流量直接导到开发者的产品中,真正为开发者带来效益。
现如今,豌豆荚已经囊括了非常丰富的资源,包括195万部视频、198万本电子书、248万张壁纸。
豌豆荚搜索平台技术负责人李大海表示有很多的优秀移动应用诞生在移动时代,他们的内容存在于应用内,但是并没有与之配套的网站,豌豆荚希望能够全面接入这些移动的独有内容。
豌豆荚应用内搜索技术协议有普适性、经济性及实时性的特点,提供不需要应用与网页绑定的途径、全面支持移动端独有内容的接入。选择复用Microdata等方案可降低开发者接入成本,提升经济性;内容提交上可通过Sitemap来提交内容,还可以通过豌豆荚的专用的API,把最新鲜的内容推送给豌豆荚。
开发者通过描述应用内内容、向豌豆荚提交内容信息、使应用支持外部调起这三个步骤即可接入豌豆荚。
据悉,豌豆荚开发者中心同步上线应用内搜索接入申请入口。豌豆荚重视开发者的利益,豌豆荚也将保证搜索和推荐结果的公平公正、完全依照内容质量和用户使用数据提供,与开发者共同打造开放供应的移动互联网生态系统。
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。