北京時(shí)間4月16日上午消息,谷歌剛剛面向Android平臺(tái)推出了一項(xiàng)新的移動(dòng)搜索功能,可以在用戶搜索內(nèi)容時(shí)向其展示移動(dòng)應(yīng)用安裝廣告。
這相當(dāng)于把谷歌移動(dòng)搜索頁面變成一個(gè)應(yīng)用發(fā)現(xiàn)服務(wù),對于移動(dòng)開發(fā)者而言或許會(huì)成為一大福音。
隨著計(jì)算行業(yè)從桌面端向移動(dòng)端全面轉(zhuǎn)移,優(yōu)質(zhì)內(nèi)容往往都通過應(yīng)用來展示,在這種情況下,搜索引擎的用途便有所降低。為了解決這一問題,谷歌在2013年推出了應(yīng)用索引,使之可以抓取部分應(yīng)用的內(nèi)容,并將鏈接顯示在搜索頁面中。
不過,在初期版本中,用戶必須首先安裝相關(guān)應(yīng)用才能通過鏈接查看內(nèi)容,今年早些時(shí)候則開始通過Google Now Cards顯示相關(guān)內(nèi)容。谷歌今后將面向所有開發(fā)者開放這個(gè)項(xiàng)目。
而移動(dòng)搜索的最新升級(jí)則進(jìn)一步加強(qiáng)了應(yīng)用索引的概念,幫助用戶通過尚未安裝的應(yīng)用找到相關(guān)內(nèi)容。
應(yīng)用索引項(xiàng)目現(xiàn)在已經(jīng)獲得了300多億個(gè)深度鏈接——這是谷歌第一次公布這一數(shù)據(jù),但該公司尚未披露具體有多少開發(fā)者部署了這個(gè)項(xiàng)目。
該項(xiàng)目的大致模式是:如果你通過Android手機(jī)搜索菜譜,而谷歌算法認(rèn)為某款應(yīng)用恰恰可以提供這一信息,你便會(huì)在搜索結(jié)果中看到相關(guān)應(yīng)用, 旁邊還會(huì)附帶一個(gè)醒目的“安裝”按鈕。只要點(diǎn)擊該按鈕,便會(huì)跳轉(zhuǎn)到Google Play商店,以便安裝應(yīng)用。應(yīng)用安裝完畢后,只要點(diǎn)擊“繼續(xù)”按鈕,應(yīng)用就會(huì)打開,并為你展示剛剛查找的信息。
此舉對移動(dòng)應(yīng)用開發(fā)者而言至關(guān)重要。畢竟,應(yīng)用發(fā)現(xiàn)仍是一個(gè)沒有完全解決的問題,只要能將安裝按鈕和相關(guān)應(yīng)用展示給更多人,都將給應(yīng)用開發(fā)者帶來福音。
“這個(gè)項(xiàng)目的目的是方便開發(fā)者繼續(xù)在應(yīng)用內(nèi)創(chuàng)造優(yōu)質(zhì)內(nèi)容,并通過深度鏈接讓用戶可以直接訪問這些內(nèi)容。”負(fù)責(zé)該項(xiàng)目的谷歌工程師拉吉安·帕特爾(Rajan Patel)說。
帕特爾還表示,該團(tuán)隊(duì)正在尋找各種方法來做大規(guī)模,使之不僅僅局限于Android平臺(tái)。但他目前不肯披露詳細(xì)信息。
好文章,需要你的鼓勵(lì)
新加坡國立大學(xué)研究團(tuán)隊(duì)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(shí)驗(yàn)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(jì)大學(xué)團(tuán)隊(duì)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(jī)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(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)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(tuán)隊(duì)通過對比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)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(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。