
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(wǎng)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(wǎng)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(wǎng)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(jù)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(jù)提供,與開發(fā)者共同打造開放供應的移動互聯(lián)網(wǎng)生態(tài)系統(tǒng)。
好文章,需要你的鼓勵
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調整內部專家配置。該方法在數(shù)學、編程等任務上顯著提升推理準確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術,實現(xiàn)AI視頻實時流式生成的重大突破。該技術通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質量視頻,延遲僅0.76秒,質量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現(xiàn),通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學習方法訓練多個AI模型。實驗結果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎幾何知識對培養(yǎng)AI空間智能的重要價值。