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
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。