< P > июньское обновление Google закончилось. Два интересных изменения в Google могут частично объяснить, какое изменение.

< IMG Width = "1600" Height = "840" src = "https://www.searchenginejournal.com/wp-content/uploads/2025/07/google-june-update-analysis-816.jpg" class = "Adate-wp-post-post-image alt =" alby &#№ 825 Анализ: То, что только что произошло ? "fetchPriority =" High "decoding =" async "srcset =" https://www.searchenginejournal.com/wp-content/uploads/2025/07/google-june-update-analysis-816.jpg 1600W, https://www.searchenginejournal.com/wp-content/uploads/2025/07/google-june-upddate- Analysis-816-480x252.jpg 480w, https://www.searchenginejournal.com/wpp-content/uploads/2025/07/17/07/07/07/07/gue-w Анализ-816-680x357.jpg 680W, https://www.searchenginejournal.com/wp-content/uploads/2025/07/google-june-update- Анализ-816-384x202.jpg 384W, https://www.searchenginejournal.com/wp-content/2025/07/google-june-update- Analysis-816-768x403.jpg 768W, https://www.searchenginejournal.com/wp-content/2025/07/google-pryun-update- Анализ-816-1024x538.jpg 1024W "Размеры =" (максимальная ширина) 100VW, 1600px "/>< p > Google & rsquo; S июнь 2025 г. Основное обновление только что закончилось. Что & rsquo; Примечательно, что, пока что -то было большим обновлением, оно не сделало & Т чувствую себя разрушительным, указывая на то, что изменения могут иметь пчел более тонкие, чем изменение игры. Вот некоторые подсказки, которые могут объяснить, что произошло с этим обновлением.

< h2 > Поиск < P > Хотя многие люди говорят, что обновление июня 2025 года было связано с Muvera, что & rsquo; не реально вся история. В прошлых Feks, Muvera и Google и Google было два заметных объявления о бэкэнд; rsquo; S Графический фонд модель.

< H2 > Google Muvera < p >Muvera-это мультивектор с помощью алгоритма поиска фиксированных размерных кодировки (FDE), который делает получение веб-страниц более точными и с более высокой степенью эффективности. Примечательной частью SEO является то, что он состоит в том, чтобы забрать меньше страниц кандидатов для ранжирования, оставляя менее актуальные страницы и пропагандируя только более точно соответствующие страницы.

< P > Это позволяет Google иметь всю точность многоветательного поиска без каких-либо недостатков традиционных многоветровых систем и с большей точностью.

< p >< em >Google & rsquo; S Muvera Объявление объясняет улучшения ключа:

< blockquote >> 62 ~ & Ldquo; Предполагаемый отзыв: Muvera опережает единую эвристику, общий подход, используемый в многоклеточном поиске (который использует в клетке), достигая отзывов, получая значительно меньше документов-кандидатов и amp; Хеллип; Например, fde & rsquo; S retive 5 & ndash; 20 раз меньше кандидатов для достижения фиксированного отзыва.

< p > Более того, мы обнаружили, что Muvera & rsquo; S FDES может быть эффективно сжиматься с использованием квантования продукта, уменьшая следум -след на 32 -кратном с минимальным влиянием на качество поиска. ~/P > < P > Тезис выделяет Muvera & rsquo; S потенциал для значительного ускорения многоветательного поиска, что делает его более практичным для реальных приложений.

< p >& Хеллип; Сокращая многоветательный поиск до одно-векторных MIP, Muvera использует существующие оптимизированные методы поиска и достигает современной производительности со значительно имподированной эффективностью. & rdquo;

< H2 > Google & rsquo; S Графический фонд модель

< P > Модель графического фонда (GFM) – это тип модели ИИ, которая предназначена для обобщения в различных структурах графика и наборах данных. Это & rsquo; S разработан, чтобы быть адаптируемым таким же образом, как крупные языковые модели могут обобщать в разных областях, которые он HADN & r Первоначально обучен.

< p > Google & S GFM классифицирует узлы и ребра, которые могут правдоподобно включать документы, ссылки, пользователей, обнаружение спама, рекомендации по продукту и любого ребенка классификации.

< p >Это что -то новое, опубликованное 10 июля, но уже тестировалось на рекламу для обнаружения спама. На самом деле это прорыв в графическом машинном обучении и разработка моделей ИИ, которые могут обобщать различные структуры и задачи графиков.

< P > Он заменяет ограничение нейронных сетей графов (GNN), которые привязаны к графику, на котором они тренировались. Графические модели, такие как LLMS, Aren & rsquo; T ограничен тем, на что они обучались, что делает их более универсальными для обработки новых или неурожденных графических структур.

< p > Google & S Объявление GFM говорит о том, что обучение с нулевым выстрелом и выстрелом и выстрелом, что означает, что оно может сделать точные прогнозы на различных типах графиков, дополнительных тренировок для конкретной задачи (нулевой выставки), даже если в духовке доступно только небольшое количество помеченных примеров (несколько выстрелов).

< p > Google & rsquo; S GFM Объявление сообщалось о результатах тезиса:

< Цитата блока >< P >& Ldquo; Работа в масштабе Google означает обработку графиков узлов и краев, где использует наша среда JAX и масштабируемая инфраструктура TPU. Объемные данные поиска поддаются обучению моделей универсали, поэтому мы исследовали наш GFM по нескольким задачам внутренней классификации, таких как обнаружение спама в ADS, которые включают десятки больших и связанных реляционных таблиц. Табличные базовые линии, масштабируемые Alwork, не рассматривают соединения между рядами разных таблиц и, следовательно, пропускают контекст, который может быть полезен для точных прогнозов. Наш эксперимент ярко демонстрирует этот разрыв.

< p >Мы наблюдаем значительный повышение производительности по сравнению с лучшими настраиваемыми базовыми показателями с одним столом. В зависимости от задачи вниз по течению, GFM приносит 3x & ndash; 40x прирост средней точности, что указывает на то, что структура графика в реляционных таблицах дает решающий сигнал, который будет использоваться моделями ML. & Amp;

~/Цитата блока > < H2 > Что изменилось ? < p > it & S неразумно предполагает, что интеграция как Muvera, так и GFM может включить Google & S Ранжирующие системы, чтобы более точно оценить соответствующий контент, улучшая поиск (MUAVERA) и сопоставление отношений. Или содержание, чтобы лучше идентифицировать закономерности, связанные с надежностью и авторитетом (GFM).

< p >Интеграция Muvera и GFM позволит Google & S -рейтинговые системы для более точно соответствующего контента поверхности, которые искатели найдут удовлетворение.

< p ~ ~< em > Google & Официально объявление сказано:

< blockquote > ~ p > & Это регулярное обновление, предназначенное для улучшения актуальной поверхности, удовлетворяющего контента для поисковиков всех типов сайтов. & Amp;

/QUOTE Block > < p > Это конкретное обновление, похоже, не сопровождалось широко распространенными сообщениями о массовых изменениях. Это обновление может вписаться в то, что Google & rsquo; С. Дэнни Салливан говорил в Search Central Live New York, где, по его словам, Beiling Maning в Google & S алгоритм поверхности большего разнообразия высококачественного содержания. > 62 ~ < p > Поиск маркетолога Гленн Гейб написал в Твиттере, что он видел некоторые сайты, которые пострадали от & Ldquo; Обновление контента Helpul, & rdquo; Так известный как HCU, вышел назад в рейтинге, в то время как другие участки ухудшились.

< p > Хотя он сказал, что то, что было очень большим обновлением, ответ на его твиты был приглушен, а не тот тип ответа, который происходит, когда есть & S широко распространенное нарушение. Я думаю, что это & rsquo; Справедливо сказать это, хотя Гленн Гейб и amp; rsquo; Данные S показывают, что это было большое обновление, у него, возможно, не было подрывных пчел. ~ 60 > < p > Итак, что изменилось ? Я думаю, я предполагаю, что это было широко распространенное изменение, которое улучшило Google & Способность лучше улучшать соответствующий контент, способствующий лучшим поиску и улучшенным моделям способностей достоверности и авторитетности, а также для лучшего идентификации сайтов низкого качества.

< h2 > Подробнее: