YouTube正在整合谷歌的AI辅助搜索功能,推出全新的轮播功能。根据YouTube的官方博客,这一AI生成的轮播功能目前仅向美国的Premium会员开放。当用户在手机YouTube应用中搜索"与购物、地点或特定位置活动相关的查询"时,可能会出现这一功能(并非每次搜索都会显示)。
该轮播功能会收集一系列相关视频,按从左到右的顺序播放(用户也可以直接点击视频缩略图跳转到特定片段),每个视频都配有独立的标题和解释其被选中原因的段落文本。不出所料,这一实现方式看起来很像在Instagram上浏览好友动态。YouTube表示,轮播中的每个视频都能为用户的查询提供"有用的见解"。
YouTube还宣布,将开始向美国的普通用户推出此前仅限Premium用户和Android系统独享的对话式AI工具。用户可以通过点击视频下方工具栏中分享和下载选项之间的"询问"按钮来激活这一AI助手,并可就视频内容提出相关问题。用户还可以让AI在观看视频前先进行总结,节省五分钟的观看时间,或获得类似内容的推荐。YouTube在首次推出这一功能时表示,其AI工具从YouTube平台内部和更广泛的网络中获取信息。目前尚不清楚有多少用户能够使用这一新功能,或者用户多久能遇到一次。同样不明确的是iPhone用户是否以及何时能够获得这一功能。
谷歌的AI概览工具一直备受争议,主要原因之一是其提供的信息并不总是准确。YouTube创作者是否会遇到类似问题还有待观察。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。