#11-Google использует MUVERA. Правка

Claude Opus 4.1 улучшает возможности кодирования и агентов

Идентификатор ссылки (англ.)	razlichiya-v-otvetakh-chatgpt-i-google-aio
Время обновления:	27-08-2025 в 21:16:45
Статус:	Активен

Описание

Идентификатор ссылки (англ.)	claude-opus-41-uluchshaet-vozmozhnosti-kodirovaniya-i-agentov
Время обновления:	27-08-2025 в 14:15:50
Статус:	Активен

Описание

'#50. Контент : content';

'Content_ContentController_actionUpdate_';

'#content_content_update';

Google использует MUVERA. Правка

Активен

Почистить кэш контентов Экспресс-правка Разметка ред. Summernote ред. Quill ред. CKEditor ред. Trumbowyg ред. Imperavi ред. Jodit

Контент.

Полное название

Описание (мета-тег description)

Как правило описание должно иметь около 150 знаков. Оно используется для заполнения мета-тега Description веб-страницы.
Сейчас используется - 0 символов

Описание скопировано!

Описание вставлено!

Текст

<p>Гэри Иллес из компании Google ответил на вопрос&nbsp;о том, используют ли они новый метод поиска Multi‑Vector Retrieval via Fixed‑Dimensional Encodings (MUVERA), а также используют ли они модели Graph Foundation.</p>
<h2>МУВЕРА</h2>
<p>Компания Google недавно анонсировала MUVERA в блоге и исследовательской статье: метод, который улучшает поиск, превращая сложный многовекторный поиск в быстрый одновекторный. Он сжимает наборы токеновых вложений в векторы фиксированной размерности, которые максимально приближены к их исходному уровню сходства. Это позволяет использовать оптимизированные методы одновекторного поиска для быстрого нахождения подходящих кандидатов, а затем повторно ранжировать их, используя точное многовекторное сходство. По сравнению со старыми системами, такими как PLAID, MUVERA быстрее, извлекает меньше кандидатов и при этом обеспечивает более высокую полноту, что делает его практичным решением для крупномасштабного поиска.</p>
<p>Ключевые моменты MUVERA:</p>
<ul>
<li>MUVERA преобразует многовекторные наборы в фиксированные векторы с помощью фиксированно-размерных кодировок (FDE), которые являются одновекторными представлениями многовекторных наборов.</li>
<li>Эти FDE (фиксированные размерные кодировки) достаточно точно соответствуют исходным многовекторным сравнениям, что позволяет обеспечить точность поиска.</li>
<li>Для поиска MUVERA используется MIPS (поиск максимального внутреннего произведения), устоявшаяся технология поиска, используемая в поиске, что упрощает масштабное развертывание.</li>
<li>Переранжирование: После быстрого поиска по одному вектору (MIPS) для быстрого сужения списка наиболее вероятных совпадений, MUVERA переранжирует их, используя метод сходства Chamfer &mdash; более детальный метод многовекторного сравнения. Этот последний шаг восстанавливает полную точность многовекторного поиска, обеспечивая как скорость, так и точность.</li>
<li>MUVERA способна находить больше точно релевантных документов с меньшим временем обработки, чем современный базовый уровень поиска (PLAID), с которым она сравнивалась.</li>
</ul>
<h2>Google подтверждает использование MUVERA</h2>
<p>Хосе Мануэль Моргал ( профиль в LinkedIn ) задал свой вопрос Гэри Ильесу из Google, и тот в шутку спросил, что такое MUVERA, а затем подтвердил, что они используют одну из его версий:</p>
<p>Вот как описал вопрос и ответ Хосе:</p>
<blockquote>
<p>&laquo;В Google Research опубликована статья о MUVERA, и есть соответствующая публикация. Она сейчас находится в поиске?</p>
<p>В ответ он спросил меня, что такое MUVERA, ха-ха, а затем прокомментировал, что они используют что-то похожее на MUVERA, но они не называют это так&raquo;.</p>
</blockquote>
<h2>Использует ли Google модели Graph Foundation (GFM)?</h2>
<p>Недавно Google опубликовала в блоге объявление о прорыве в области искусственного интеллекта под названием Graph Foundation Model .</p>
<p>Модель Graph Foundation Model (GFM) от Google &mdash; это тип искусственного интеллекта, который обучается на основе реляционных баз данных, превращая их в графы, где строки становятся узлами, а связи между таблицами &mdash; ребрами.</p>
<p>В отличие от старых моделей (моделей машинного обучения и графовых нейронных сетей (GNN)), которые работают только с одним набором данных, GFM могут работать с новыми базами данных с другими структурами и характеристиками без повторного обучения на новых данных. GFM используют большую модель искусственного интеллекта для изучения взаимосвязей точек данных в таблицах. Это позволяет GFM находить закономерности, которые упускаются обычными моделями, и они гораздо лучше справляются с такими задачами, как обнаружение спама в масштабируемых системах Google. GFM &mdash; это большой шаг вперёд, поскольку они обеспечивают гибкость базовой модели для работы со сложными структурированными данными.</p>
<p>Модели Graph Foundation представляют собой заметное достижение, поскольку их улучшения не являются постепенными. Они представляют собой улучшение на порядок величины, с ростом производительности от 3 до 40 раз в среднем по точности.</p>
<p>Затем Хосе спросил Ильеса, использует ли Google модели Graph Foundation, и Гэри снова в шутку притворился, что не понимает, о чем говорит Хосе.</p>
<p>Он пересказал вопрос и ответ:</p>
<blockquote>
<p>&laquo;В Google Research опубликована статья о моделях Graph Foundation для данных, но на этот раз нет ни одной публикации, связанной с ней. Работает ли она сейчас в поиске?</p>
<p>Он ответил так же, как и раньше: спросил меня, что такое Graph Foundation Models for data, и подумал, что эта технология ещё не в разработке. Он не знал, потому что нет соответствующих статей, и, с другой стороны, он заметил, что не контролирует публикации в блоге Google Research.&raquo;</p>
</blockquote>
<p>Гэри выразил мнение, что модель Graph Foundation в настоящее время не используется в поиске. На данный момент это наиболее точная информация, которой мы располагаем.</p>
<h2>Готов ли GFM к масштабному развертыванию?</h2>
<p>В официальном объявлении о модели Graph Foundation говорится, что она была протестирована в ходе внутренней задачи по обнаружению спама в рекламе, что убедительно свидетельствует об использовании реальных внутренних систем и данных, а не только академических тестов или симуляций.</p>
<p>Вот что говорится в заявлении Google:</p>
<blockquote>
<p>&laquo;Работа в масштабе Google подразумевает обработку графов из миллиардов узлов и рёбер, где наша среда JAX и масштабируемая инфраструктура TPU особенно эффективны. Такие объёмы данных подходят для обучения универсальных моделей, поэтому мы протестировали нашу GFM на нескольких внутренних задачах классификации, таких как обнаружение спама в рекламе, которое включает десятки больших и связанных реляционных таблиц. Типичные табличные базовые значения, хотя и масштабируемые, не учитывают связи между строками разных таблиц и, следовательно, упускают контекст, который может быть полезен для точных прогнозов. Наши эксперименты наглядно демонстрируют этот пробел.&raquo;</p>
</blockquote>
<h2>Заключение</h2>
<p>Гэри Иллес из Google подтвердил, что в Google используется некая форма MUVERA. Его ответ о GFM, похоже, был выражен в форме личного мнения, поэтому он несколько менее ясен, поскольку связан с утверждением Гэри, что, по его мнению, MUVERA не находится в разработке.</p>