2015新年伊始,360正式推出獨立的搜索品牌“好搜”,被外界視為360在移動搜索領(lǐng)域放出的“大招”。與此同時,360公司總裁齊向東也公開表示,移動搜索將成為“好搜”率先實現(xiàn)顛覆式變革的主戰(zhàn)場。從名稱、LOGO、視覺標識和功能上看,“好搜”均頗下了一番苦功,充分詮釋著“為移動互聯(lián)而生”的理念。在360喊出“兩年內(nèi)移動搜索份額突破30%”的發(fā)展目標后,“好搜”的誕生就顯得更加意義非常。
名稱簡潔 記憶性和辨識度高
“好搜”之名的內(nèi)涵為:好搜索,不做壞事。其矛頭直指最近一段時間持續(xù)發(fā)酵的惡意捆綁、垃圾廣告、病毒式下載等搜索領(lǐng)域內(nèi)的“壞搜索”。雖然看似平凡無奇,但卻有著樸實卻最貼合用戶需求的含義。簡潔明了的名稱和內(nèi)涵也使“好搜”在記憶性和辨識度方面搶得先機,在移動互聯(lián)時代,“好搜”所擁有的獨立自主性無疑也更利于用戶對品牌的深刻理解。
形象標識鮮明 移動氣息濃烈
“好搜”啟用了全新的LOGO,新標將同時應(yīng)用在PC和移動搜索。該LOGO的整體色調(diào)靚麗明快,“好搜搜”的漢字同五種顏色組成的放大鏡巧妙結(jié)合在一起,既突出了“搜索”的主題,又體現(xiàn)出年輕悅動的時尚感。數(shù)據(jù)顯示,由于青年用戶擁有智能手機的比例相對更高,因此10——30歲的年輕群體占搜索用戶總體的比例超過2/3,搜索在低齡群體中的滲透率較高,年輕群體構(gòu)成了搜索用戶的主體。個性鮮明的“好搜”LOGO不僅充滿著濃郁的移動互聯(lián)氣息,更與移動搜索的用戶定位不謀而合。
攜帶“七種武器” 貼合用戶需求
移動搜索領(lǐng)域的競爭,歸根到底是用戶體驗方面的競爭。然而,當前的移動搜索大多只是照搬PC端的模式,而鮮有顛覆性的創(chuàng)新,從而造成日新月異的用戶需求同移動搜索產(chǎn)品理念之間的脫節(jié)。此次“好搜”上線,在移動端推出了包括摸字搜、周邊號、萬花筒、照妖鏡、安心購、良心醫(yī)以及隨心談在內(nèi)的七大創(chuàng)新功能,被360公司總裁齊向東稱為好搜的七大“武器”。
這七項功能真正滿足了用戶在移動環(huán)境下使用搜索的習(xí)慣和需求,從而促進了移動搜索品牌價值的提升。齊向東將移動搜索的趨勢歸納為三條,移動時代,周邊比直達更重要;摸字比輸入更重要;推薦比框搜索更重要。齊向東的三個“重要”在“七種武器”中得到了體現(xiàn)。如“摸字搜”可實現(xiàn)即摸即搜、省去了用戶復(fù)制粘貼和敲字輸入的麻煩;“周邊號”則可為用戶提供與搜索詞配套的相關(guān)信息。如搜索“酒店”時,好搜APP會自動依據(jù)用戶的地理位置信息,為其提供最近的地圖導(dǎo)航、訂房、優(yōu)惠、電話咨詢等服務(wù)。
“好搜”的厚積薄發(fā)顯示出360意圖在搜索領(lǐng)域,特別是移動搜索領(lǐng)域深耕細作的決心。在PC端的市場份額突破30%后,好搜逐步加快了在移動端開拓的步伐。其不僅重新組建了移動搜索團隊,并在移動搜索APP的功能上不斷推陳出新。而專為移動互聯(lián)而生的好搜延續(xù)了360在產(chǎn)品創(chuàng)新和用戶體驗的優(yōu)勢,在移動搜索領(lǐng)域?qū)崿F(xiàn)了顛覆式變革??梢灶A(yù)見,在達成“兩年內(nèi)做到30%份額”的目標的過程中,好搜還將會帶給用戶更多的驚喜。
好文章,需要你的鼓勵
新加坡國立大學(xué)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(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)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(zhì)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(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)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(xùn)練效率,已在多個任務(wù)上驗證有效性。