谷歌公司今日宣布,为其搜索AI模式添加更多个性化智能体功能,并将该功能扩展到全球更多地区。
AI搜索模式扩展到180多个国家和地区
谷歌今日宣布,AI搜索模式将扩展到180多个新的国家和地区,支持英语服务。此前,该功能仅在美国、英国和印度提供。
AI搜索模式于今年3月推出,它改变了传统的谷歌搜索体验,将原有的链接列表转变为个性化的对话式段落回答。用户还可以就内容提出后续问题,获得更深入的信息。
新增智能体预订功能
谷歌宣布今日为AI模式引入新的智能体功能,首先推出餐厅预订功能。该功能很快将扩展到本地服务预约和活动门票购买。
谷歌搜索副总裁Robby Stein表示:"例如,你现在可以询问与朋友的晚餐预订,包含多个约束条件和偏好——如聚餐人数、日期、时间、地点和首选菜系——AI模式将简化这一过程。"
AI模式将承担在多个预订平台和网站上搜索的繁重工作,找到符合需求的餐厅实时可用性,为用户提供合适的用餐地点。当用户准备完成预订时,系统甚至会直接链接到预订页面。
该功能使用与谷歌Mariner项目相同的技术,这是一个能够为用户浏览网页的智能体。它可以在后台控制网页浏览器,理解屏幕上的信息——包括链接、文本、代码、按钮和表单等元素——点击操作,就像真人一样。
谷歌正与OpenTable、Resy Network、Tock、Ticketmaster、StubHub、SeatGeek和Booksy等主要服务提供商合作构建这一体验。
美国用户获得增强个性化功能
据谷歌介绍,美国用户现在能够看到根据他们的偏好和兴趣个性化的搜索结果。
从餐饮偏好开始,如果用户选择加入实验室中的AI模式实验,他们将开始看到AI模式提供的更个性化回应。
例如,如果用户搜索并询问"我只有一个小时时间,需要找个地方吃午餐,有什么建议吗?"AI模式将回顾之前的对话和用户在谷歌地图上搜索过的位置,提供更个性化的选择。
用户还能通过链接分享功能与朋友和家人分享在AI模式中找到的任何内容,该功能在美国可用。新的"分享"按钮使用户能够将AI模式聊天发送给任何人进行协作。收到分享链接的人可以提出后续问题,并在对话中断的地方继续,使需要多人协作的规划变得更容易。
谷歌补充说,发送方保持对链接的控制权,可以随时删除它们。
Q&A
Q1:谷歌AI搜索模式新增了哪些智能体功能?
A:谷歌AI搜索模式新增了餐厅预订功能,用户可以通过多个约束条件和偏好(如聚餐人数、日期、时间、地点和首选菜系)来询问预订需求。AI模式会在多个预订平台搜索,找到符合需求的餐厅实时可用性,并直接链接到预订页面。该功能很快将扩展到本地服务预约和活动门票购买。
Q2:AI搜索模式现在覆盖哪些国家和地区?
A:AI搜索模式现已扩展到180多个新的国家和地区,支持英语服务。此前该功能仅在美国、英国和印度提供。全球用户现在都可以体验这种将传统链接列表转变为个性化对话式回答的搜索体验。
Q3:美国用户能享受到哪些个性化功能?
A:美国用户现在能看到根据偏好和兴趣个性化的搜索结果。AI模式会回顾用户之前的对话和在谷歌地图上搜索过的位置,提供更个性化的建议。用户还可以通过新的"分享"按钮将AI模式聊天发送给他人协作,收到链接的人可以继续对话,发送方可随时删除分享链接。
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。