
ZDNet至顶网软件频道消息: Google 的产品列表广告(Product Listing Ads,PLA)是一项可供商家通过搜索页面销售各种产品的竞价广告,出现在 PLA 上的每一项产品都会提供其实时价格、库存信息及图片。不过最近,Google 正在为提高搜索结果的有效性和转换率做出进一步努力,在其博客上,Google 宣布将会为自己的 PLA 增加评价信息(仅美国)。

增加评价信息后被搜索到的产品会以比较表格的形式展示,每个产品下方将会有最高至 5 星的评级信息,同时还会有该产品的被点评数。通过这些信息,用户可以直观地了解产品之间的横向对比。
那么这些评级和点评数是怎么来的呢?根据博客的介绍,这些数据是多个来源的统计,包括商家、第三方聚合器、编辑网站及用户等。
显然 Google 认为提供评级信息有助于提升广告的点击率和转换率,从而帮助其广告业务的扩大。博客称产品评价为购买者提供了购物决策的关键信息。
但是究竟有多少收集了用户评级的商家会愿意把这些数据分享给 Google 尚不得而知,因为分享的数据太多有可能令商家失去主动,这种情况已经在 Amazon 身上体现,商家愈发变成纯粹的接单员。现在 Google 也开始向 Amazon 靠近,很难保证商家不会产生一样的恐惧。不过,对于那些不愿分享更多信息的 PLA 客户,Google 仍将把他们的产品信息列入到搜索结果中去。但是商家也会因提供信息不足而冒上损失大量潜在买家的风险。
Google 产品搜索结果呈现的数据越多,在形式上就越接近于 Amazon 的搜素。但是在送货速度和购买的快捷程度上 Google 仍无法与 Amazon 匹敌,尽管前者也有自己的快递服务 Google Shopping Express 及支付手段 Google Wallet。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。