北京时间4月16日上午消息,谷歌刚刚面向Android平台推出了一项新的移动搜索功能,可以在用户搜索内容时向其展示移动应用安装广告。
这相当于把谷歌移动搜索页面变成一个应用发现服务,对于移动开发者而言或许会成为一大福音。
随着计算行业从桌面端向移动端全面转移,优质内容往往都通过应用来展示,在这种情况下,搜索引擎的用途便有所降低。为了解决这一问题,谷歌在2013年推出了应用索引,使之可以抓取部分应用的内容,并将链接显示在搜索页面中。
不过,在初期版本中,用户必须首先安装相关应用才能通过链接查看内容,今年早些时候则开始通过Google Now Cards显示相关内容。谷歌今后将面向所有开发者开放这个项目。
而移动搜索的最新升级则进一步加强了应用索引的概念,帮助用户通过尚未安装的应用找到相关内容。
应用索引项目现在已经获得了300多亿个深度链接——这是谷歌第一次公布这一数据,但该公司尚未披露具体有多少开发者部署了这个项目。
该项目的大致模式是:如果你通过Android手机搜索菜谱,而谷歌算法认为某款应用恰恰可以提供这一信息,你便会在搜索结果中看到相关应用, 旁边还会附带一个醒目的“安装”按钮。只要点击该按钮,便会跳转到Google Play商店,以便安装应用。应用安装完毕后,只要点击“继续”按钮,应用就会打开,并为你展示刚刚查找的信息。
此举对移动应用开发者而言至关重要。毕竟,应用发现仍是一个没有完全解决的问题,只要能将安装按钮和相关应用展示给更多人,都将给应用开发者带来福音。
“这个项目的目的是方便开发者继续在应用内创造优质内容,并通过深度链接让用户可以直接访问这些内容。”负责该项目的谷歌工程师拉吉安·帕特尔(Rajan Patel)说。
帕特尔还表示,该团队正在寻找各种方法来做大规模,使之不仅仅局限于Android平台。但他目前不肯披露详细信息。
好文章,需要你的鼓励
论文提出CAST框架,通过多智能体系统把任务成败的粗略反馈转化为逐步动作的详细批评理由,训练出更懂节制的批评模型,再用它优化执行策略,让8B小模型在可靠性指标上反超120B大模型,提升智能体在真实动态环境中的稳定表现。
论文提出NavMCP框架,用意图、观察、记忆三条通道把VLM推理与导航基础模型NFM结合,解决具身问答中长距离探索问题,在多个基准和真实机器狗测试中均取得最优效果。
研究发现教师模型批改学生生成内容时噪声率高达50%,但学生依然能进步。作者发现真正起作用的是压制学生自己低概率词,据此提出无需外部监督的OPSA方法,在AIME24等数学测试上带来最高307%的提升。
PaperGym提出一套把科研论文转化为AI训练环境的方法,解决科研计划生成缺乏可验证奖励的难题,通过问题答案分离降低评分标准泄露,结合自蒸馏与强化学习两阶段训练,让小模型在多个基准上超越更大规模的商业模型。