谷歌正着手对搜索排名系统开展新一轮调整,旨在提高搜索结果质量,并隐藏掉网络上那些最极端、过于愤世嫉俗的内容。该公司表示,他们还在努力下调总结性内容的排名——此类内容中可能有一部分是正常的搜索引擎优化结果,但大多属于生成式AI工具的批量生成产物。总之,谷歌希望通过此番举措帮助用户免受蒙蔽,享有更优质的搜索体验。
总有人尝试以种种方式让自己的发布内容登上搜索序列前端,这既是网络世界的真实写照,也是谷歌搜索团队的工作常态。谷歌一直在调整其排名算法,希望努力改善搜索结果,只是其中大部分变更并未对外公开。谷歌搜索业务副总裁Pandu Nayak表示:“用户还是会看到大量逃脱控制的内容,而且遗憾的是,这类问题绝不可能挥挥魔杖就直接消失。”
对于谷歌来说,此番公告有着两层含义。首先,这一波重大变化可能会以可感知的方式扭转用户的搜索体验——Nayak表示,谷歌的量化测试结果显示,“无用内容”已消减达40%。其次,谷歌也开始向整个网络世界正式宣告:垃圾内容与粗鲁行为该止矣。
Nayak列举了当前被谷歌认定为垃圾宣传,并将被降低排名的三个实例。首先就是大规模发布的内容:这些网站每天通过低薪外包商或AI生成器械创建几千篇低质量文章,并将这些内容投放在搜索结果当中。Nayak援引The Verge编辑Mia Sato最近的说法,提到了讣告内容这一典型的垃圾信息案例。
第二类垃圾内容被Nayak总结为“网站声誉滥用”。具体来讲,这是指某个受人尊敬的大站出租其部分频道或页面,用以传播垃圾内容。这里我不想指名道姓针对特定目标,但大家肯定见过这类网站,其中要么充斥着跟促销活动相关的软文,要么发表了一些跟其他内容完全格格不入的AI生成文章。第三种则是“过期域名滥用”,即有人买下某个已被废弃、但搜索排名较高的域名,并在其中发布各种劣质内容,借此拉高垃圾信息的搜索排名。The Hairpin网站就是个典型例子,Wired最近几周曾就此事进行过跟踪报道。
Nayak还提到,对于那些滥用网站声誉的情况,谷歌将给予相应网站60天的整改期限,若到期仍无好转则会在新方案中将其剔除。其余清理工作则即时生效。谷歌向来知道垃圾内容横行的问题,这一次明显是要重拳出击、着力整治。Nayak强调:“一旦搜索排名被垃圾内容发布者和低质量信息创作者所控制,健康、高质量的网络生态环境必将不复存在。”
当然,这项工作仍在起步阶段。对于AI生成内容的清查(包括内容如何、写给谁看、应该如何排名)才刚刚开始,这肯定将在谷歌内部引发不少令人头痛的困扰。毕竟作为互联网领域的一支核心力量,谷歌自己就在努力将AI带给每位网民,但同时又得想办法避免网络在AI的侵袭下彻底劣化(甚至谷歌自己的搜索引擎也在快速AI化)。另外,总会有新的、更加狡猾复杂的方法拉动劣质内容在搜索结果中的实际排名。而且,这个老大难问题完全由谷歌一手造成——如今网络上的大多数惯例,就是为了迎合谷歌的搜索排名规则。所以作为治理一方,谷歌永远要落后于现实一步。
但为了继续保持其搜索巨头的地位,谷歌必须想办法从网络上整理出更加优质的内容。一段时间以来,谷歌公司曾频繁暗示要更多采取以人为本的设计理念,不能让搜索引擎被机器牵着鼻子走。其目标就是让优质内容压倒点击诱饵,而且谷歌也正在朝着这个方向推进。不过可以肯定的是,这必将是一条漫长而曲折的抗争之路。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。