微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 谷歌考虑改版新闻服务:帮助新闻机构创收

谷歌考虑改版新闻服务:帮助新闻机构创收

2015-04-29 09:32
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2015-04-29 09:32 新浪网

北京时间4月28日早间消息,谷歌欧洲战略合作主管卡罗·达萨罗·碧昂多(Carlo D’Asaro Biondo)接受《金融时报》采访时透露,谷歌考虑对备受争议的谷歌新闻服务大幅改版,帮助身处困境的出版商在网上创收。

这番言论正值谷歌与欧洲8大报业集团宣布组建联盟,共同提升新闻出版商的数字技能和商业模式之际。

这个项目名为“数字新闻”,谷歌将借此与8大报业集团共同展开产品开发,并向其提供数字技能培训,还将在未来3年向数字项目拨款1.5亿欧元。《金融时报》、《卫报》、法国《回声报》、西班牙《国家报》和德国《时代周报》都参加了这一项目。

在被问及谷歌是否准备调整自家平台,为新闻行业提供帮助,而不仅仅是提升新闻出版商的数字技能时,碧昂多说:“这些领域都会涉猎,我希望为出版商做出更多贡献,我知道我们能为他们提供更多帮助。”

报业公司多年来一直批评谷歌新闻,指责其掠夺新闻网站的流量,导致那些采用在线订阅模式的服务处于不利地位。在西班牙去年启动一项新法,要求该公司为所有版权内容付费后,该公司关闭了西班牙的谷歌新闻网站。

在“棱镜门”披露后,谷歌在欧洲也面临不利形势,欧盟委员会本月早些时候刚刚对其发起正式反垄断诉讼。

谷歌正在考虑如何对使用收费墙的内容网站更为友好,但有很多企业抱怨称,该公司的广告商业模式对其构成了伤害。

“订阅或内容按需付费是我们希望开发的领域之一。”碧昂多说。他还补充说,该公司还会在搜索引擎中给予拥有较高知名度以及在某些领域拥有专长的新闻网站更高的权重。

但他也补充说:“需要明确的是,方向并不是我们决定的,而是消费者决定的。如果我们相信消费者对不同的模式或者按需支付方式感兴趣,便会更愿意开发这类技术。”

作为谷歌最主要的批评者,德国施普林格和美国新闻集团均未参与这一新闻项目。但碧昂多表示,谷歌今后仍然欢迎他们加入,他相信务实的思想总能赢得胜利,谷歌会继续赢得应有的信任。

另外三大创始成员还包括德国《Frankfurter Allgemeine Zeitung》、荷兰公司NRC Media和意大利《La Stampa》。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-