百度、Bing、搜狗等是大家比較熟悉的搜索引擎,而豌豆莢卻另辟蹊徑,著手布局應用內搜索領域。
豌豆莢的聯(lián)合創(chuàng)始人之一王俊煜曾表示,豌豆莢從來都不把自己定義為應用商店,在一開始就確定了做內容入口的戰(zhàn)略。
而豌豆莢也依照戰(zhàn)略迅速做出反應,在去年,豌豆莢發(fā)布了視頻搜索正式版;在今年一月份,豌豆莢則推出了移動內容搜索戰(zhàn)略以及全新的4.0版本,將搜索范圍拓展到游戲、應用軟件、視頻、電子書、壁紙等類別。
今天,豌豆莢在京正式發(fā)布了應用內搜索技術協(xié)議,這是國內首個公開發(fā)布、全面支持移動獨有內容的應用內搜索技術協(xié)議,提供了對應用內內容的檢索、手里和調起的標準。
豌豆莢產品設計副總裁劉亞平表示,希望今天發(fā)布的應用內搜索技術協(xié)議,成為豌豆莢與內容提供商,應用開發(fā)者構建開放和共贏的移動互聯(lián)網生態(tài)系統(tǒng)的基礎。在此之上,豌豆莢會加快整合各類移動應用的內容資源,為用戶帶來優(yōu)質和豐富的手機娛樂搜索體驗,并將用戶和流量直接導到開發(fā)者的產品中,真正為開發(fā)者帶來效益。
現(xiàn)如今,豌豆莢已經囊括了非常豐富的資源,包括195萬部視頻、198萬本電子書、248萬張壁紙。
豌豆莢搜索平臺技術負責人李大海表示有很多的優(yōu)秀移動應用誕生在移動時代,他們的內容存在于應用內,但是并沒有與之配套的網站,豌豆莢希望能夠全面接入這些移動的獨有內容。
豌豆莢應用內搜索技術協(xié)議有普適性、經濟性及實時性的特點,提供不需要應用與網頁綁定的途徑、全面支持移動端獨有內容的接入。選擇復用Microdata等方案可降低開發(fā)者接入成本,提升經濟性;內容提交上可通過Sitemap來提交內容,還可以通過豌豆莢的專用的API,把最新鮮的內容推送給豌豆莢。
開發(fā)者通過描述應用內內容、向豌豆莢提交內容信息、使應用支持外部調起這三個步驟即可接入豌豆莢。
據悉,豌豆莢開發(fā)者中心同步上線應用內搜索接入申請入口。豌豆莢重視開發(fā)者的利益,豌豆莢也將保證搜索和推薦結果的公平公正、完全依照內容質量和用戶使用數(shù)據提供,與開發(fā)者共同打造開放供應的移動互聯(lián)網生態(tài)系統(tǒng)。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉移到數(shù)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構聯(lián)合提出SparseLoRA技術,通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務上驗證有效性。