谷歌前段时间做了一个搜索结果页面的参数调整,把num=100这个能够一次性的把100个搜索结果展示出来的方法关掉了。 这个动作引起了大量的连锁反应。 比如,各大网站站长在工具内看到的曝光度出现了断崖式的下降,以及更有人断言说,这个动作是为了阻止各大语言模型去爬取谷歌的搜索结果,这样就没有办法进行长尾词的爬取了。甚至还看到不少人说Reddit因此受到了影响最大,甚至导致了它股价的暴跌。因为大部分Reddit的结果在排名10以外。 那么到底是不是这么回事呢? 两个字:纯属扯淡。 去掉这个参数影响最大的其实就是关键词排名工具和统计工具:传统的关键词排名跟踪工具(比如AccuRanker之流)主要依赖这个参数来一次性地获取某个特定关键词的排名情况,那这个参数去掉之后呢,这些工具就没有办法快速低廉的获取这些信息了。这个直接影响了业内大厂,包括Ahrefs、Semrush这些。 但是它对真实用户的影响多少呢:答案是微乎其微。我敢打保票,在这件事情之前,你如果不是业内人士,你几乎可能都没有听说过谷歌有这个参数的存在。 那么其实这个就好解释了,因为去掉这个参数而导致的曝光数据的暴跌,更多的是一个统计层面的刊物。甚至有可能这些跌掉的曝光,在GSC里面跌掉的曝光,它可能并不是由真人带来的,而是由这些大量的工具进行扫描、抓取所带来的虚假曝光。 那去掉这个参数,是为了针对防止各大语言模型爬取吗? 根据我的判断和猜测,我只能说这只是极小的一部分。背后真正的原因,我觉得和整体谷歌要把资源集中全部倾斜到AI研发和算力有关系。 谷歌维护这样一个庞大的搜索index的系统所需要消耗的资源是极其庞大的,如果一件事情的存在对谷歌自己并没有什么特别大的帮助,而更多是为了方便其他第三方的工具,那么很有可能这件事情同时又消耗了大量的资源。那么这件事情的存在性,尤其在资源特别紧张的当下,就会变得非常不合理。 其实从最近谷歌搜索算法的调整和一些过往技巧又死灰复燃的趋势来看,谷歌逐渐在把支撑算法的一部分资源降低甚至关闭,而去转移用在对谷歌当下战略更加重要的AI上。 所以把这个num等于100的参数去掉也是合情合理的。 那这就意味着未来长尾搜索就死掉了吗?Reddit就要嗝屁了吗?各大语言模型就没有办法再进行长尾词的爬取了吗? 答案一个字:当然不会,无非就是让别人获取这些信息和数据的成本高一些,恶心恶心他们。
一昨日に続き、今日もまた、嬉しいニュースが届きました! 京都大学の北川進先生がノーベル化学賞を受賞される事が決まりました。 京都大学の公表資料などによりますと、 北川先生は、配位結合を利用して今までにない新しいタイプの多孔性材料(多数の小さな穴を持つ物質)を開発し、そこに大量の気体の取り込みが可能なことを世界で初めて立証されました。 これを用いて、ガスの吸着メカニズムの解明や新材料の開発などが行われ、さらにエネルギー、環境、医療分野の問題を劇的に解決すると期待されているそうです。 例えば、大気中の汚染物質を効率的に除去することや、より少ないエネルギーで工業原料となる有用な気体を分離すること、危険なガスを貯蔵し、安全に輸送することなどの応用が考えられます。 北川先生は、「化学の研究は、個人プレーでなくチームプレー」とおっしゃり、これまでの指導学生や共同研究者の皆様に感謝を述べておられました。 北川先生、ご一緒に研究してこられた皆様、本当におめでとうございました! 一昨日の坂口先生、そして本日の北川先生の受賞は、我が国の研究水準の高さを世界に示すとともに、日本人にとって大きな誇りと励みになるでしょう。 基礎研究の推進と、若手研究者の育成に、しっかりと取り組んでまいります!
Y11
2天前
Sebastian博士在东京大学Taku Komura教授团队读博期间,连续五年每年在SIGGRAPH发表论文,最终搭建出接近商业化的角色控制系统,GitHub上的AI4Animation项目收获7.4k星标,最后一篇《DeepPhase》更是拿下SIGGRAPH最佳论文,这份坚持和成果令人敬佩。 他的研究轨迹清晰可见:从早期的周期性运动控制,到复杂运动组合,再到非周期动态控制,一步步攻克行业难题,实现技术突破。 深入分析他的研究风格,有三点特别值得借鉴: 一是目标明确且长期聚焦,始终围绕“角色控制”这一核心问题深耕,不被短期热点分散精力; 二是精准定位高价值问题,总能捕捉到行业最迫切的需求,而不是选择容易发论文但价值有限的课题; 三是敢于挑战“无答案”的难题,面对角色动作复杂性这一行业痛点,他没有停留在师兄Daniel Holden的PFNN基础上,而是通过Local Motion Phase、DeepPhase等系列研究不断突破,这种“啃硬骨头”的精神正是推动技术进步的关键。 当然,技术能力是他成功的基础。 从运动捕捉到深度学习,从工程实现到Unity引擎应用,他构建了全面的技术知识体系,并且总能敏锐地引入前沿方法,比如在DeepPhase中探索表示学习在动作中的应用,这种对新技术的开放态度,让他的研究始终站在行业前沿。 如果能像Sebastian这样专注一个方向,或许能更早形成自己的技术标签。 更重要的是,我们很容易被“好发论文”的课题吸引,而忽略真正有价值的问题。 真正有价值的研究应该像Sebastian那样,瞄准行业“卡脖子”的难题,比如动态人体渲染质量的瓶颈,而不是满足于表面的技术改进。 还有一点是技术视野的局限。有些同学固守传统方法,对Transformer、扩散模型等新技术持怀疑态度,甚至拒绝尝试,这其实是在浪费可能带来突破的机会。 Sebastian的经历告诉我们,真正的科研突破来自于对核心问题的执着、对技术前沿的敏感和对产业需求的洞察。 希望我们都能以他为榜样,把精力放在有价值的问题上,保持对新技术的好奇心,在自己的领域里深耕细作,真正做出能推动行业进步的研究。