随着移动互联网的飞速发展,手机、平板电脑等移动设备正一步步走向人们生活的“主导”地位,而移动搜索作为移动互联网网民和互联网的“中间人”,其地位已不可撼动,并呈现欣欣向荣的局面。
由于生活节奏的加快和智能设备的不断升级,用户对搜索引擎的功能也不断提出新的要求,文字搜索早已不能满足用户的诉求,图片、语音及人像搜索将成为发展趋势。
“移动搜索市场产值在2015年将达到161.5亿元,2016年将增长到267.2亿元。搜索作为网民和互联网交互的重要接口,可以毫不夸张的说,掌握了搜索也就掌握了手机互联网市场的‘大半江山’。”速途研究院分析师如是说。
2015年1月6日, 360搜索宣布正式推出独立品牌“好搜”(haosou.com),全新的品牌LOGO、形象标识也同步亮相。这意味着360公司搜索业务经过两年多的高速发展之后,正式拥有自己的独立品牌名称。齐向东表示,“好搜”未来将向中国搜索第一品牌发起冲击,其中移动搜索极可能成为“好搜”率先完成颠覆巨头的主战场。
齐向东引用美国前总统里根的话:不是枪杀人,是人杀人。搜索引擎这把枪,掌握在好人手里是工具,掌握在恶人手里就是凶器。这就是360推出的初心,这就是“好搜”的由来——好搜,不做坏事!保护信息安全,保护消费安全,不让坏搜索只手遮天!
以屡被用户和业内诟病的医疗领域为例,由于民营医疗机构十多年来的飞速发展,对广告的需求迅猛增加,但因为“人命关天”,因此医疗广告具有非常严格的管理规定,使得很多民营医院缺少渠道来推广,加上医病类占到是网民搜索的相当比例,搜索引擎成民营医疗机构非常重要的广告渠道。有数据显示,某搜索巨头全年收入约有30%来自医疗广告,总规模达百亿元人民币以上。
在竞价排名机制下,很多热门关键词如无痛人流、整容等,每个点击高达十几元到几十元,往往越提供虚假类医疗广告的机构,才能依靠牟取暴利来承担高昂的搜索推广费。2008年11月央视《新闻30分》连续两天报道某搜索巨头的竞价排名黑幕。2011年,央视财经频道再次集中关注某搜索巨头推广链接存在的诸多问题,和用户健康和生命攸关的医疗医药行业,再次成为重灾区。
基于新的移动搜索思维,好搜在配合独立品牌的推出,携带包括照妖镜、安心购、良心医、摸字搜、周边号、万花筒以及随心谈等在内的“七种武器“。这些功能分别从安全、可信赖、便利性、实时性,本地化服务、社交功能等多个方面,全面满足用户在移动环境下使用搜索的习惯和需求,让好搜成为更顺手更好用的移动搜索APP,促进移动搜索品牌价值的提升。
以周边搜索为例,在PC端,搜索重点是解决头部需求,以信息搜索为主,对每日热点娱乐、新闻等占据了搜索需求的绝大多数。而然而在移动端,搜索往往和自身的地理位置、本地化服务需求密切相关。如果将PC搜索的思维照搬到移动端,简单的将PC段搜索结果针对手机端进行适配,显然是无法满足用户在移动环境下的需求 。
“我们将其简单的归纳为‘用好搜 更顺手’”,我们创造真正符合用户移动环境下使用习惯和需求,更加顺手、更加好用的‘好搜’。 让‘好搜’在移动互联时代能够大放异彩,成为6亿手机网民最喜爱的移动搜索。“齐向东表示。” 当移动搜索获得更高的市场份额之后,好搜的用户口碑和品牌形象,必将带动PC和移动的整体上扬,赶超巨头将只是时间问题。“
“七种武器”,致力于全面满足用户移动搜索的需求,到底是哪七种呢?
①摸字搜;即摸即搜,哪里不懂摸哪里
②照妖镜;安全搜索,钓鱼网站无遁形
③安心购;网购先赔,安心购物不用愁
④良心医;良医真药,放心搜索不上当
⑤周边号;吃喝玩乐,身边服务全知道
⑥万花筒;多彩内容,缤纷呈现爽歪歪
⑦随心谈;搜搜谈谈,交友谈心乐无穷
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。