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
CoreWeave发布AI对象存储服务,采用本地对象传输加速器(LOTA)技术,可在全球范围内高速传输对象数据,无出口费用或请求交易分层费用。该技术通过智能代理在每个GPU节点上加速数据传输,提供高达每GPU 7 GBps的吞吐量,可扩展至数十万个GPU。服务采用三层自动定价模式,为客户的AI工作负载降低超过75%的存储成本。
莫斯科高等经济学院研究员尼古拉·斯克里普科开发了IFEval-FC基准测试,专门评估大语言模型在函数调用中遵循格式指令的能力。研究发现,即使是GPT-5和Claude Opus 4.1等最先进模型,在处理看似简单的格式要求时准确率也不超过80%,揭示了AI在实际应用中的重要局限性。
谷歌DeepMind与核聚变初创公司CFS合作,运用先进AI模型帮助管理和改进即将发布的Sparc反应堆。DeepMind开发了名为Torax的专用软件来模拟等离子体,结合强化学习等AI技术寻找最佳核聚变控制方式。核聚变被视为清洁能源的圣杯,可提供几乎无限的零碳排放能源。谷歌已投资CFS并承诺购买其200兆瓦电力。
上海人工智能实验室联合多家机构推出MinerU2.5文档解析模型,仅用12亿参数就在文本、公式、表格识别等任务上全面超越GPT-4o等大型模型。该模型采用创新的两阶段解析策略,先进行全局布局分析再做局部精细识别,计算效率提升一个数量级。通过重新定义任务标准和构建高质量数据引擎,MinerU2.5能准确处理旋转表格、复杂公式、多语言文档等挑战性内容,为文档数字化提供了高效解决方案。