生、死、腾讯、360

360和网易有道宣布,360搜索将为有道搜索提供技术支持服务,用户在使用有道搜索时,搜索结果将由360搜索提供,并且在搜索框旁会标注360搜索提供技术支持。

官方称之为战略合作升级,说得也没错。

但我更认为这是网易有道放弃了此前自主研发的搜索技术,以此换取360在流量分发、应用分发上对有道其他产品的支持。

相当于360再纳个小妾。360和谷歌、即刻、云云都在合作。

有道是2006年底推出的测试版,2007年12月推出了正式版。官方描述为自主研发的搜索技术。

如此与360搜索合作后,在搜索产品上基本就是Powered by 360了,这其实就是战略性放弃了搜索。

也是,干了6、7年,没整出来,差不多了。大家都知道,搜索很重要,作为PC端信息检索的入口,但做不起来真的没辙。

合作对双方以及其他相关方的利弊是什么?我按照最乐观的进行分析。

一、对360搜索来说,既能为合围百度再收一城池,还能在一定程度上证明自身的搜索研发能力,在PR品牌层面也是个利好消息。

二、对网易有道来说,将旗下搜索业务承包给360,摆脱这么多年一直没做好搜索的尴尬,同时,弃之保有道其他产品。什么产品?有道翻译词典、有道云笔记、电商导购惠惠。

现在的有道俨然一家移动互联网公司,搜索这个老本行基本上没起来。有道词典累积用户总量超过3.5亿,移动端用户超过1.8亿,成为有道乃至网易的用户量最大的客户端产品。有道云笔记用户量也已突破1500万。

上述数据来自于今天的新闻稿。要看一家公司的真实情况,每次的新闻稿其实是最真实的。

有道CEO周峰的表述基本上可以认定为有道将明确转型至移动互联网。

“对于有道而言,此次合作的上线也标致着网易有道公司完成了向移动互联网业务的转型。未来有道将继续在三大核心业务方向上深耕,一如既往地为用户提供优质可靠的互联网服务。”

三大业务是:语言翻译应用与服务、个人云应用和电子商务导购服务。

没有道搜索什么事儿了。如果说有贡献的话,新闻稿中的那句话算是盖棺定论了。

“网易有道凭借搜索产品起家,在大规模数据存储计算等领域具有深厚的技术积累,并在此基础上衍生出三大核心业务。”

做着一个进不去前五名的搜索,而词典和云笔记在移动应用领域风生水起,电商导购是纯流量变现,现在360搜索前来纳妾,那还不赶紧的送出有道搜索,体面放弃,转而主攻移动互联网。

360能给有道带来什么?

好处多了。

第一,360手机助手坐拥国内移动应用分发渠道头把交椅,词典、云笔记可能换取更多分发,装机量会更加提高。

其二,360导航作为流量分发大户,在电商导购、游戏、新闻等业务能提供更多流量支持。

360在PC与移动端均掌握了巨量用户与流量,作为分发上游,众人仰慕。内容提供商们有各种内容,比如新闻、视频、游戏、应用,但要更多流量导入支持,渴求补量。

三、上游、下游,互联网的江湖地位与行业格局立现。

移动互联网与搜索的想象空间巨大,360市值昨天将近84亿美金,估计今年突破百亿美金没问题。

今天有人还提出了TAB三国鼎立已经变为四国麻将的说法,我轻微表示赞同。

360最近还在和搜狗闹并购绯闻,整出了今年最冗长的肥皂剧和月经贴。

未来两年的TAB3格局将怎样?欢迎各位看官后台留言互动。周末可以就这个话题再展开说说。

生,死,腾讯,360。创业者,内容商们,你们感受一下,绕不开的四座大山了。


资源下载链接为: https://pan.quark.cn/s/140386800631 通用大模型文本分类实践的基本原理是,借助大模型自身较强的理解和推理能力,在使用时需在prompt中明确分类任务目标,并详细解释每个类目概念,尤其要突出类目间的差别。 结合in-context learning思想,有效的prompt应包含分类任务介绍及细节、类目概念解释、每个类目对应的例子和待分类文本。但实际应用中,类目和样本较多易导致prompt过长,影响大模型推理效果,因此可先通过向量检索缩小范围,再由大模型做最终决策。 具体方案为:离线时提前配置好每个类目的概念及对应样本;在线时先对给定query进行向量召回,再将召回结果交给大模型决策。 该方法不更新任何模型参数,直接使用开源模型参数。其架构参考GPT-RE并结合相关实践改写,加入上下文学习以提高准确度,还使用BGE作为向量模型,K-BERT提取文本关键词,拼接召回的相似例子作为上下文输入大模型。 代码实现上,大模型用Qwen2-7B-Instruct,Embedding采用bge-base-zh-v1.5,向量库选择milvus。分类主函数的作用是在向量库中召回相似案例,拼接prompt后输入大模型。 结果方面,使用ICL时accuracy达0.94,比bert文本分类的0.98低0.04,错误类别6个,处理时添加“家居”类别,影响不大;不使用ICL时accuracy为0.88,错误58项,可能与未修改prompt有关。 优点是无需训练即可有较好结果,例子优质、类目界限清晰时效果更佳,适合围绕通用大模型api打造工具;缺点是上限不高,仅针对一个分类任务部署大模型不划算,推理速度慢,icl的token使用多,用收费api会有额外开销。 后续可优化的点是利用key-bert提取的关键词,因为核心词语有时比语意更重要。 参考资料包括
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值