Google推出“首选来源”按钮,试图缓解AI搜索的流量冲击
Google允许出版商在网站上嵌入“首选来源”按钮,让读者主动选择希望在搜索、Discover和Google News中优先看到的媒体。此举既是用户体验功能,也反映出AI搜索减少传统网页点击后,Google对内容生态压力的回应。
阅读全文Google允许出版商在网站上嵌入“首选来源”按钮,让读者主动选择希望在搜索、Discover和Google News中优先看到的媒体。此举既是用户体验功能,也反映出AI搜索减少传统网页点击后,Google对内容生态压力的回应。
阅读全文RAG 投毒攻击可能让模型在错误信息面前表现得更加自信,传统基于困惑度和一致性的检测因此容易失效。论文提出 D-SCAN,通过监测生成过程中的文档级注意力熵变化识别潜在攻击。
阅读全文Shopify在二季度财报电话会上表示,AI搜索正在为商家带来更多访问和订单,并未像出版业那样吞噬传统搜索流量。公司称,AI来源的流量和订单同比增长至三倍。
阅读全文Alibaba-NLP 提出的 UEmbed 试图用一个 decoder-only 多模态模型同时生成稀疏词法表示与稠密向量。它面向搜索、RAG 与多模态检索场景,核心价值在于减少两套检索表示之间的割裂。
阅读全文DeepVoyager-VL 试图把多模态搜索从“看图回答”推进到“边看、边查、边推理”的长程智能体流程。它强调视觉证据不应只出现在输入或最终答案阶段,而应持续驱动后续检索与决策。
阅读全文Reddit CEO Steve Huffman在财报沟通中把矛头指向Google AI Overviews,认为它尚未像传统搜索链接那样为开放网络创造足够回报。尽管Reddit业绩优于预期,搜索流量波动仍引发投资者担忧。
阅读全文一项针对 RAG 检索范式的规模化对比研究显示,随着语料库变大,传统词法检索 BM25 反而成为更稳健的默认选择。研究强调,Agent 式探索并非无效,但更适合建立在排序检索之后,而不是替代全局候选排序。
阅读全文Similarweb 数据显示,Google AI Overviews 在搜索中的出现比例一年内从 15% 升至 43%。这意味着 AI 生成答案正从附加功能变成搜索体验的核心层。
阅读全文The Vergecast 讨论了“Google Zero”正在成为出版商和网站无法回避的问题:搜索引擎不再像过去那样稳定回流流量,而AI摘要和训练数据需求正在重写网络生态的交换规则。
阅读全文这篇论文关注一个被 RAG 和 AI Agent 放大的问题:搜索结果不是给人逐条浏览,而是交给模型生成答案时,真正重要的是一组文档能否共同支撑任务。
阅读全文AutoIndex 提出了一种面向检索系统的新思路:不急着改检索器或重排器,而是学习一套可执行的文档表示程序,在索引前自动改造文档。论文在 CRUMB 基准上固定使用 BM25,仍在 8 个任务中取得了稳定提升。
阅读全文RAGU 提出一种更工程化的 GraphRAG 路线:把知识抽取和图谱整合拆开,并用面向 RAG 任务微调的 7B 模型 Meno-Lite-0.1 降低构图成本。
阅读全文SearchOS-V1 试图解决长程开放域搜索中 Agent 容易遗忘进度、重复检索和浪费预算的问题。它用显式状态、证据图和失败记忆组织多 Agent 协作,让信息收集更可控、可追踪。
阅读全文GRASP 试图解决 Agentic RAG 中“何时搜、用什么搜、读多细”的关键决策问题。它通过强化学习训练代理在语义搜索、关键词搜索与段落阅读之间动态切换,以提升多跳问答中的证据召回和回答质量。
阅读全文NVIDIA 在 Hugging Face 发布 Nemotron 3 Embed 系列,主打企业级 RAG、代码检索和智能体记忆等场景。其中 8B BF16 版本在 RTEB 排行榜取得第一,1B 版本则强调低成本与高吞吐部署。
阅读全文一篇 arXiv 论文提出 PAT 系统,尝试把大语言模型从“逐句翻译”推向整篇、语料驱动的语用重写。研究显示,规格约束与可比语料检索确实能促使模型做出更大幅度的篇章 reformulation,但效果仍不稳定。
阅读全文arXiv 新论文提出 DeepStress,用可控合成环境替代检索模块,系统考察搜索智能体面对低质量证据时的稳健性。研究聚焦可信度、相关性与事实性三类风险,显示不同智能体对不可靠信息的处理能力差异明显。
阅读全文