
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
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。