据BI消息,时隔六年,雅虎和微软对搜索业务合作协议进行了较大的改动。
这份十年期协议规定,雅虎在桌面搜索中使用Bing的广告,微软则为雅虎提供桌面搜索的算法支持。这部分协议保持不变,主要的改动如下:
这些改动将给雅虎带来比较大的影响。一方面,雅虎能精简销售部门,削减成本;另一方面,被解放的49%的流量有可能为雅虎贡献更多的收入。
官方的新闻稿称,更新协议使“雅虎增加了灵活性,并能改善用户的搜索体验”,同时,“微软将全权负责Bing的广告销售,雅虎全权负责Gemini的广告销售,让双方整合自己的销售团队,双方都能更高效地为广告主提供服务”。广告销售职责的过渡将于今夏进行。
消息传出后,微软股价在纽约市场的早盘交易中下跌7美分,至42.18美元;雅虎股价则上涨7美分,至45.80美元。
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。