苹果公司计划利用AI标签技术改善App Store应用发现能力的功能现已在iOS 26开发者测试版中正式上线。
不过,这些标签目前尚未在公开版App Store中显示,也未被纳入公开商店的App Store搜索算法中。
当然,对于任何即将到来的App Store更新,外界都在猜测这些变化将如何影响应用的搜索排名。
例如,应用情报提供商Appfigures的一项新分析表明,从应用截图中提取的元数据正在影响其排名表现。该公司推测苹果正在从截图说明中提取文本信息。此前,只有应用名称、副标题和关键词列表才会影响搜索排名。
基于苹果在全球开发者大会(WWDC 25)上的公告,截图确实会影响应用的可发现性这一结论是准确的,但苹果提取数据的方式涉及AI技术,而非Appfigures猜测的OCR技术。
在年度开发者大会上,苹果解释称将使用截图和其他元数据来帮助提升应用的可发现性。公司表示正在使用AI技术提取原本隐藏在应用描述、类别信息、截图或其他元数据中的信息。这也意味着开发者无需在截图中添加关键词或采取其他步骤来影响标签生成。
这使得苹果能够分配标签来更好地对应用进行分类。最终,开发者将能够控制哪些AI分配的标签与其应用关联。
此外,苹果向开发者保证,人工审核员会在标签上线前进行审查。
随着时间推移,当标签功能面向全球App Store用户推出时,开发者需要更好地理解标签机制,以及哪些标签有助于提升应用的可发现性。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。