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
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。