在PC互联网时代,网页是搜索的主要途径,而在移动互联网时代,应用搜索不可或缺的当下,豌豆荚争先发布应用内搜索技术协议,提供了对于应用内内容的检索、收录和调起的标准。
豌豆荚产品设计副总裁刘亚平表示,豌豆荚并不提供、生产应用内容,其资源均来自合作伙伴,希望应用内搜索技术协议能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。
图为豌豆荚产品设计副总裁刘亚平
豌豆荚在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的同时,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。
因此,作为国内首个公开发布、唯一全面支持移动独有内容的应用内搜索技术协议,上线2个月以来,带给第三方应用的直接调起和新用户量均已达到千万量级。截止到今年4月,豌豆荚应用内搜索已达140万。
应用内搜索技术主要是对搜索的内容进行结构化描述,该协议具有普适性、经济性和实时性特点,提供不需要应用与网页绑定的路径、全面支持移动端独有内容的接入;在技术选型上复用 Microdata 等成熟方案降低开发者接入成本、提升经济性;在内容提交上,除了使用网站地图sitemap的方式之外,豌豆荚还提供专用 API,让合作伙伴能够实时地把最重要的新鲜内容推送给豌豆荚。
值得一提的是,豌豆荚开发者中心同步上线接入申请入口,开发者可需通过三个步骤接入豌豆荚: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。豌豆荚重视开发者的利益,将始终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的数据提供。
一直以来,豌豆荚坚持定位成内容入口的战略,专注于移动内容搜索。去年,豌豆荚发布了视频搜索正式版;今年1月,移动内容搜索及 4.0 版本的上线,将搜索扩展到应用、游戏、视频、电子书、壁纸等多个娱乐内容类别。至今,豌豆荚在应用、游戏品类之外的新增内容品类用户已超过 6000 万,内容消费超过 8 亿次,内容全部凭借应用内搜索,索引自优酷、搜狐视频、掌阅、爱阅读等 20 余款第三方应用内。到目前为止,豌豆荚共收录了 195 万部视频 ,198 万本电子书,248 万张壁纸。
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。