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
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
本期《Quick Charge》播客涵盖多个热点话题:特斯拉疑似试图删除FSD欺诈相关证据以规避巨额赔付;卡特彼勒持续推进建筑领域电气化布局;住宅太阳能30%税收抵免即将到期。此外,嘉宾Tom Pacheco就高压系统与电池技术培训展开探讨,强调电动车技术人才培养的紧迫性。节目同时提醒有意安装太阳能的用户尽快行动,可通过EnergySage平台比较多家安装商报价。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。