Meta正在利用AI技术的信息处理和潜在影响力来提升Facebook和Instagram等社交媒体平台的销售业务。
在本周的Shoptalk 2026大会上,这家科技巨头宣布将开始测试一项全新功能。当用户点击Facebook或Instagram上的广告或访问网站时,该功能能够展示更多产品信息和用户评论摘要。
这项功能与亚马逊在2023年推出的生成式AI产品评论增强功能相似。亚马逊使用AI将评论总结为产品页面上显示的简短段落,而不需要用户阅读数百条评论来了解人们对特定产品的看法。
Meta也将以同样的方式使用AI。在出现的新弹窗体验中,AI功能可以提供"人们对该产品的评价"汇总,这可能包括简短介绍和关键要点。
然而,在Meta的应用中,该功能还将提供其他一般信息,包括品牌本身的详细信息、推荐产品、潜在折扣或销售,以及在单个产品页面上,提供将商品添加到用户购物车的按钮。
随后是与支付服务商Stripe和PayPal合作构建的更新结账流程,允许消费者只需轻点一下即可完成购买。Meta表示,他们已经在与Ayden和Shopify开展其他集成工作,这些功能将在未来推出。
广告商可以控制使用哪个结账合作伙伴,因此当消费者点击"立即购买"按钮时,他们可以完成购买并履行订单,而用户始终留在Meta的应用中。
结账功能的变化伴随着Meta产品发现工具和功能的其他更新。
其中包括针对创作者的更新,为他们在Facebook上提供更广泛的联盟合作伙伴选择,因为与TikTok的竞争日趋激烈。新增的联盟合作伙伴包括美国的亚马逊、eBay和Temu,拉丁美洲的Mercado Libre,以及亚洲的Shopee。
今年晚些时候,Meta还将在Instagram上测试亚马逊(美国)和Shopee(亚洲)等联盟合作伙伴。这些合作伙伴将选择他们想要推荐的产品,并设置创作者通过其账户销售商品时获得的佣金率。
此外,Instagram Reels创作者将获得来自22个国家企业产品目录的访问权限,这将帮助他们找到在视频中展示的产品。
Q&A
Q1:Meta在Facebook和Instagram上推出的AI购物功能有什么特点?
A:Meta的AI购物功能可以在用户点击广告或访问网站时,自动展示产品信息和用户评论摘要。该功能还提供品牌详情、推荐产品、折扣信息,并支持一键购买,用户可以在不离开Meta应用的情况下完成整个购物流程。
Q2:Meta的AI评论摘要功能与亚马逊有什么区别?
A:虽然两者都使用AI来总结用户评论,避免用户阅读大量评论,但Meta的功能更加全面。除了评论摘要外,Meta还提供品牌信息、产品推荐、折扣信息,并集成了完整的购买流程,而亚马逊主要专注于评论总结。
Q3:Meta为创作者新增了哪些联盟合作伙伴?
A:Meta在Facebook上新增了多个联盟合作伙伴,包括美国的亚马逊、eBay和Temu,拉丁美洲的Mercado Libre,以及亚洲的Shopee。Instagram也将测试亚马逊和Shopee等合作伙伴。创作者可以通过推荐这些平台的产品获得佣金收入。
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。