تجزیه و تحلیل بروزرسانی ژوئن 2025 Google: چه اتفاقی افتاده است؟

به روزرسانی هسته ژوئن 2025 Google به تازگی به پایان رسید. نکته قابل توجه این است که در حالی که برخی می گویند این یک به روزرسانی بزرگ بود ، اما احساس اختلال نمی کرد ، نشان می دهد که این تغییرات ممکن است ظریف تر از تغییر بازی باشد. در اینجا برخی از سرنخ ها وجود دارد که ممکن است آنچه را که با این بروزرسانی اتفاق افتاده است توضیح دهد.

دو موفقیت مرتبط با رتبه بندی جستجو

اگرچه بسیاری از مردم می گویند که به روزرسانی ژوئن 2025 مربوط به Muvera بود ، اما این واقعاً کل داستان نیست. در طی چند هفته گذشته دو اعلامیه قابل توجه با حمایت قابل توجه وجود داشته است ، Muvera و Google’s Graph Foundation Foundation.

Google Muvera

Muvera یک الگوریتم بازیابی رمزگذاری ابعادی ثابت (FDES) است که بازیابی صفحات وب را دقیق تر و با درجه بالاتری از کارآیی می کند. نکته قابل توجه SEO این است که قادر است صفحات کاندیدای کمتری را برای رتبه بندی بازیابی کند ، صفحات کمتری را پشت سر بگذارد و فقط صفحات دقیق تر را ارتقا بخشد.

این امر Google را قادر می سازد تا تمام دقت بازیابی چند وکتوره را بدون هیچ گونه اشکال سیستم های سنتی چند وکتور و با دقت بیشتری داشته باشد.

اعلامیه Muvera Google پیشرفت های کلیدی را توضیح می دهد:

“یادآوری بهبود یافته: موورا از اکتشافی تک بردگر ، یک رویکرد مشترک استفاده شده در بازیابی چند بردار (که Plaid نیز به کار می رود) بهتر عمل می کند ، و در حالی که اسناد کاندیدای قابل توجهی را بازیابی می کند ، به یاد می آورد … به عنوان مثال ، بازیابی FDE 5-20X کمتر از کاندیداهای برای دستیابی به یک فراخوان ثابت.

علاوه بر این ، ما دریافتیم که FDE های Muvera می توانند با استفاده از کمیت محصول به طور مؤثر فشرده شوند و ردپای حافظه را 32 برابر با حداقل تأثیر بر کیفیت بازیابی کاهش می دهد.

این نتایج پتانسیل Muvera را برای تسریع قابل توجهی در بازیابی چند بردار برجسته می کند و آن را برای برنامه های دنیای واقعی عملی تر می کند.

… با کاهش جستجوی چند بردار به MIP های تک بردگر ، Muvera تکنیک های جستجوی بهینه شده موجود را اعمال می کند و به عملکرد پیشرفته با راندمان قابل توجهی بهبود می یابد. “

مدل بنیاد نمودار Google

یک مدل بنیاد نمودار (GFM) نوعی از مدل AI است که برای تعمیم در ساختارها و مجموعه های مختلف نمودار طراحی شده است. این طراحی شده است تا به روشی مشابه با چگونگی تعمیم مدل های زبان بزرگ در حوزه های مختلفی که در ابتدا در آن آموزش داده نشده است ، سازگار باشد.

GFM Google گره ها و لبه ها را طبقه بندی می کند ، که می تواند به طور محتمل شامل اسناد ، پیوندها ، کاربران ، تشخیص اسپم ، توصیه های محصول و هر نوع طبقه بندی دیگری باشد.

این چیزی بسیار جدید است که در تاریخ 10 ژوئیه منتشر شده است ، اما قبلاً در تبلیغات برای تشخیص هرزنامه آزمایش شده است. در حقیقت این یک پیشرفت در یادگیری ماشین گراف و توسعه مدل های هوش مصنوعی است که می تواند در بین ساختارها و وظایف مختلف گرافیکی تعمیم یابد.

این محدودیت های شبکه های عصبی نمودار (GNN) را که به نمادی که روی آنها آموزش داده شده است ، برتری دارد. مدل های بنیاد گراف ، مانند LLMS ، محدود به آنچه در آن آموزش دیده اند ، نیستند و این باعث می شود آنها برای استفاده از ساختارها و دامنه های نمودار جدید یا غیب همه کاره باشند.

اعلامیه Google از GFM می گوید که این امر باعث بهبود صفر و یادگیری چند شات می شود ، به این معنی که می تواند پیش بینی های دقیقی را در انواع مختلف نمودارها بدون آموزش اختصاصی کار اضافی (صفر-شات) انجام دهد ، حتی اگر فقط تعداد کمی از نمونه های دارای برچسب در دسترس باشد (چند عکس).

اعلامیه GFM Google این نتایج را گزارش کرده است:

“فعالیت در مقیاس Google به معنای پردازش نمودارهای میلیاردها گره و لبه است که در آن محیط JAX و زیرساخت های مقیاس پذیر TPU ما به ویژه می درخشد. چنین حجم داده ها برای آموزش مدلهای عمومی قابل آموزش است ، بنابراین ما GFM خود را در چندین کار طبقه بندی داخلی مانند تشخیص اسپم در بین تبلیغات ، که شامل ده ها جداول ارتباطات بزرگ و مرتبط است ، بررسی کردیم. جداول ، و بنابراین زمینه ای که ممکن است برای پیش بینی های دقیق مفید باشد.

ما در مقایسه با بهترین خطوط تک جدول تنظیم شده ، عملکرد قابل توجهی را مشاهده می کنیم. بسته به کار پایین دست ، GFM سود 3x – 40x را با دقت متوسط به ارمغان می آورد ، که نشان می دهد ساختار نمودار در جداول رابطه ای سیگنال مهمی را برای استفاده از مدل های ML فراهم می کند. “

چه چیزی تغییر کرد؟

غیر منطقی نیست که حدس بزنید که ادغام هر دو Muvera و GFM می تواند سیستم های رتبه بندی Google را قادر به رتبه بندی دقیق تر محتوای مربوطه با بهبود بازیابی (MUVARA) و نقشه برداری روابط بین پیوندها یا محتوا برای شناسایی بهتر الگوهای مرتبط با اعتماد به نفس و اقتدار (GFM) کند.

ادغام هر دو Muvera و GFM باعث می شود سیستم های رتبه بندی Google به طور دقیق تر محتوای مربوطه را که جستجوگران رضایت بخش می دانند ، سطح بندی کنند.

اعلامیه رسمی گوگل این را گفت:

“این یک به روزرسانی منظم است که به منظور بهتر بودن سطح مناسب و رضایت بخش برای جستجوگران از انواع سایت ها طراحی شده است.”

به نظر نمی رسد که این به روزرسانی خاص با گزارش های گسترده از تغییرات گسترده همراه باشد. این به روزرسانی ممکن است در مورد آنچه که دنی سالیوان در مورد Google در مورد جستجوی Central Live New York صحبت می کرد ، باشد ، جایی که وی گفت که آنها می توانند در الگوریتم Google تغییراتی ایجاد کنند تا انواع بیشتری از محتوای با کیفیت بالا را ایجاد کنند.

بازاریاب جستجو گلن گبه توئیت کرد که او برخی از سایت ها را مشاهده کرده است که تحت تأثیر “به روزرسانی مفید محتوای” ، که به HCU نیز شناخته می شود ، تحت تأثیر قرار گرفته اند ، در رده بندی ها دوباره افزایش یافته است ، در حالی که سایر سایت ها بدتر شده اند.

اگرچه وی گفت که این یک به روزرسانی بسیار بزرگ است ، اما پاسخ به توییت های وی خاموش شد ، نه نوع پاسخی که هنگام ایجاد اختلال گسترده رخ می دهد. من فکر می کنم این عادلانه است که بگوییم ، اگرچه داده های گلن گاب نشان می دهد که این یک به روزرسانی بزرگ بوده است ، اما ممکن است این یک اختلال نبوده باشد.

پس چه چیزی تغییر کرد؟ من فکر می کنم ، من حدس می زنم که این یک تغییر گسترده است که توانایی Google را در سطح بهتر محتوای مرتبط با سطح بهتر بهبود می بخشد ، به بازیابی بهتر و توانایی بهبود یافته در تفسیر الگوهای اعتماد به نفس و اقتدار و همچنین شناسایی بهتر سایت های کم کیفیت کمک می کند.

بیشتر بخوانید:

Google Muvera

مدل بنیاد نمودار Google

به روزرسانی ژوئن 2025 Google به پایان رسیده است

تصویر برجسته توسط Shutterstock/Kues