admin 
„Google“ 2025 m. Birželio mėn. Pagrindinio atnaujinimas ką tik baigtas. Pažymėtina, kad nors kai kurie sako, kad tai buvo didelis atnaujinimas, jis nesijautė trikdantis, tai rodo, kad pokyčiai galėjo būti subtilesni nei keičiantis žaidimui. Čia yra keletas įkalčių, kurie gali paaiškinti, kas nutiko su šiuo atnaujinimu.
Du paieškos reitingas susiję proveržiai
Nors daugelis žmonių sako, kad 2025 m. Birželio mėn. Atnaujinimas buvo susijęs su Muvera, tai tikrai nėra visa istorija. Per pastarąsias kelias savaites buvo du pastebimi pranešimai apie pagrindinius pranešimus: „Muvera“ ir „Google“ grafiko fondo modelis.
„Google Muvera“
MUVERA yra kelių vektorių per fiksuotų matmenų kodavimo (FDES) gavimo algoritmą, dėl kurio gaunami tinklalapiai tikslesni ir aukštesnis efektyvumo laipsnis. Pastebima SEO dalis yra ta, kad ji sugeba gauti mažiau kandidatų į reitingą kandidatus, palikdami mažiau svarbius puslapius ir reklamuojant tik tiksliau svarbius puslapius.
Tai leidžia „Google“ turėti visą daugiaktoriaus gavimo tikslumą be jokių tradicinių daugiaktorių sistemų trūkumų ir tiksliau.
„Google“ pranešimas „Muvera“ paaiškina pagrindinius patobulinimus:
„Patobulintas atšaukimas:„ Muvera “pralenkia vieno vektoriaus euristiką-įprastą metodą, naudojamą daugialypio vektoriaus gavimo metu (kuriame taip pat naudojamas Plaidas), geriau atsiminti, tuo pačiu gaudamas žymiai mažiau kandidatų į kandidatus …, pavyzdžiui, FDE atgauna 5–20x mažiau kandidatų, kad pasiektų fiksuotą atšaukimą.
Be to, mes nustatėme, kad MUVERA FDES gali būti veiksmingai suspaustas naudojant produkto kiekį, sumažinant atminties pėdsaką 32x, turint minimalų poveikį gavimo kokybei.
Šie rezultatai pabrėžia „Muvera“ galimybes žymiai paspartinti kelių vektorių gavimą, todėl tai yra praktiškesnė realaus pasaulio programoms.
… Sumažindamas kelių vektorių paiešką iki vieno vektoriaus MIP, „Muvera“ pasinaudoja esamais optimizuotomis paieškos metodais ir pasiekia moderniausią našumą su žymiai pagerėjusiu efektyvumu. “
„Google“ grafiko fondo modelis
Grafiko pagrindo modelis (GFM) yra AI modelio tipas, skirtas apibendrinti skirtingose grafiko struktūrose ir duomenų rinkiniuose. Jis sukurtas taip, kad būtų pritaikomas panašiai kaip ir tai, kaip dideli kalbų modeliai gali apibendrinti įvairiose srityse, kuriose iš pradžių nebuvo mokoma.
„Google“ GFM klasifikuoja mazgus ir kraštus, kuriuose tikėtina, kad įtraukti dokumentus, nuorodas, vartotojus, šlamšto aptikimą, produktų rekomendacijas ir bet kokią kitą klasifikaciją.
Tai yra kažkas labai naujo, išleistas liepos 10 d., Tačiau jau išbandytas šlamšto aptikimo skelbimuose. Iš tikrųjų tai yra grafikos mokymosi grafiko lūžis ir AI modelių kūrimas, kuris gali apibendrinti skirtingose grafiko struktūrose ir užduotyse.
Tai pakeičia grafiko nervinių tinklų (GNN), kurie yra pririšti prie grafiko, kuriame jie buvo išmokyti, apribojimus. „Graph Foundation“ modeliai, kaip ir LLM, neapsiriboja tuo, kas jie buvo apmokyti, todėl jie tampa universalūs naujų ar nematytų grafikų struktūrų ir domenų tvarkymui.
„Google“ pranešimas apie GFM sako, kad jis pagerina nulinio ir kelių kadrų mokymąsi, tai reiškia, kad jis gali tiksliai numatyti įvairių tipų grafikus be papildomų užduoties mokymų (nulinio šūvio), net kai yra tik nedaugelis etikečių pavyzdžių (keli šūviai).
„Google“ GFM pranešimas pranešė apie šiuos rezultatus:
„Veikimas„ Google “skalėje reiškia milijardų mazgų ir kraštų grafikų apdorojimą, kai mūsų„ Jax “aplinka ir keičiamas TPU infrastruktūra ypač šviečia. Tokie duomenų kiekiai yra pritaikyti mokymo bendroms modeliams, todėl mes nustatėme savo GFM į keletą vidinių klasifikavimo užduočių, tokių kaip šlamšto aptikimas, kuriame nėra. iš skirtingų lentelių, todėl praleiskite kontekstą, kuris gali būti naudingas tikslioms prognozėms.
Mes stebime reikšmingą našumo padidėjimą, palyginti su geriausiai suderintais vieno stalo bazinėmis linijomis. Priklausomai nuo paskesnės užduoties, GFM vidutiniškai suteikia 3x – 40x padidėjimą, o tai rodo, kad grafiko struktūra reliacinėse lentelėse suteikia esminį signalą, kurį reikia panaudoti ML modeliais. “
Kas pasikeitė?
Neatmetama spėlioti, kad integruoti tiek MUVERA, tiek GFM galėtų sudaryti sąlygas „Google“ reitingų sistemoms tiksliau įvertinti svarbų turinį, pagerinant gavimo (MUVERA) ir ryšius tarp nuorodų ar turinio, siekiant geriau nustatyti modelius, susijusius su patikimumu ir autoritetu (GFM).
Integruoti tiek „Muvera“, tiek „GFM“ leistų „Google“ reitingų sistemoms, kad būtų galima tiksliau paviršiaus turinį, kuris, ieškotojams, būtų patenkintas.
Oficialus „Google“ pranešimas pasakė:
„Tai yra įprastas atnaujinimas, skirtas geriau pritaikyti, tenkina visų rūšių svetainių ieškotojus.“
Neatrodė, kad šis atnaujinimas lydėtų plačiai paplitusių pranešimų apie didžiulius pokyčius. Šis atnaujinimas gali atitikti tai, apie ką „Google“ Danny Sullivan kalbėjo „Search Central Live Niujorke“, kur, jo teigimu, jie pakeis „Google“ algoritmą, kad parodytų didesnę aukštos kokybės turinio įvairovę.
Paieškos rinkodaros specialistas Glennas Gabe'as tviteryje pamatė kai kurias svetaines, kurias paveikė „naudingas turinio atnaujinimas“, dar žinomas kaip HCU, vėl padidėjo reitinguose, o kitos svetainės pablogėjo.
Nors jis teigė, kad tai buvo labai didelis atnaujinimas, atsakymas į jo tviterius buvo nutildytas, o ne toks atsakymas, kuris atsitinka, kai įvyksta plačiai paplitęs sutrikimas. Manau, kad teisinga sakyti, kad Glenno Gabe'o duomenys rodo, kad tai buvo didelis atnaujinimas, jis galbūt nebuvo trikdantis.
Taigi, kas pasikeitė? Manau, kad spėlioju, kad tai buvo plačiai paplitęs pokytis, kuris pagerino „Google“ sugebėjimą geriau parodyti svarbų turinį, kurį padėjo geresnis gavimas ir geresnis sugebėjimas interpretuoti patikimumo ir autoritetingumo modelius, taip pat geriau nustatyti žemos kokybės svetaines.
Skaitykite daugiau:
„Google Muvera“
„Google“ grafiko fondo modelis
„Google“ 2025 m. Birželio mėn
Teminis „Shutterstock/Kues“ vaizdas
