这一天终于来了 —— Google 正式开始测试一项全新的 AI 搜索模式,这将让用户的搜索体验完全由 Gemini 主导。
这家搜索巨头于周三宣布推出实验性的"AI 模式"。本质上,这是对目前几乎每个搜索结果页面顶部都会显示的 AI 概述功能的全面升级。与 AI 概述不同的是,AI 模式将 Google 的网络搜索引擎转变为一个由 Gemini 2.0 驱动的定制化聊天机器人界面。用户可以在这个界面中提问、获取答案,并通过追问深入了解某个主题的具体细节。从表面上看,Google 的 Gemini 模型通过收集和总结基于用户输入查询的多个网络搜索结果来生成回应。
Google 搜索产品副总裁 Robby Stein 在谈到 AI 模式时表示:"这种新的搜索模式通过更强大的推理、思考和多模态能力扩展了 AI 概述的功能,让你能够获得最复杂问题的解答。"
Stein 补充说:"你可以提出以前可能需要多次搜索才能解答的细致问题 —— 比如探索一个新概念或比较详细选项,然后获得一个由 AI 驱动的有用回应,并附带更多学习链接。"他称这正是 Google 从"高级用户"那里得到的需求反馈。
目前,AI 模式仍是一个小规模的选择性 Google Labs 实验。值得注意的是,昨天 Google 宣布扩展的 AI 概述功能最初也是作为 Labs 实验开始的,现在已经出现在几乎每个 Google 搜索结果的顶部。
这很可能就是 Google 搜索的未来:一个以 AI 为先的体验,内容不是直接来自网络,而是来自那些最善于利用算法、使其内容在 Gemini 的重要性判断中脱颖而出的人。
Google 表示,在 AI 模式对其结果的有用性和质量没有充分信心的情况下,它会返回标准的网络搜索结果。关于传统网络结果是否会始终在 AI 模式中显示,或完全隐藏在 AI 模式界面后面,Google 避而不答,只是表示其搜索服务每天为数十亿网站带来访客,他们没有理由停止或阻碍这一点。
Google 在一份比公告更详细的 AI 模式概述 [PDF] 中指出:"AI 模式植根于我们核心的搜索排名和安全系统以及反垃圾邮件保护,这些系统我们已经完善了 20 多年。"
"与任何早期 AI 产品一样,我们不会总是做得完全正确,"Google 补充道。"这就是为什么我们将其作为实验从 Labs 开始,而且人们必须选择加入才能使用这种模式。"
请注意"作为实验开始"这个说法。换句话说,一旦最严重的问题得到解决,AI 模式很可能会变得更加普及。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。