Google'ın Haziran 2025 Güncelleme Analizi: Ne oldu?

Google'ın Haziran 2025 temel güncellemesi yeni bitti. Dikkate değer olan, bazıları büyük bir güncelleme olduğunu söylerken, yıkıcı hissetmediği, değişikliklerin oyun değiştirmekten daha ince olabileceğini göstermesidir. İşte bu güncellemede neler olduğunu açıklayabilecek bazı ipuçları.

İki arama sıralaması ile ilgili atılımlar

Her ne kadar birçok insan Haziran 2025 güncellemesinin Muvera ile ilgili olduğunu söylüyor olsa da, bu gerçekten tüm hikaye değil. Son birkaç hafta içinde iki önemli arka uç duyuru vardı: Muvera ve Google'ın Grafik Vakfı modeli.

Google Muvera

Muvera, Web sayfalarını almayı daha doğru ve daha yüksek bir verimlilik derecesine sahip olan sabit boyutsal kodlamalar (FDES) geri alma algoritması yoluyla çok vektördür. SEO için dikkate değer kısım, sıralama için daha az aday sayfa alabilmesi, daha az alakalı sayfaları geride bırakması ve yalnızca daha tam olarak alakalı sayfaları tanıtmasıdır.

Bu, Google'ın geleneksel çok vektör sistemlerinin dezavantajları olmadan ve daha fazla doğrulukla çok vektör alımının tüm hassasiyetine sahip olmasını sağlar.

Google'ın Muvera duyurusu temel iyileştirmeleri açıklıyor:

“Geliştirilmiş Geri Çağırma: Muvera, çok vektör alımında kullanılan (ekose ne de istihdam edilen) kullanılan ortak bir yaklaşım olan tek vektör sezgisel bir yaklaşımdan daha iyi performans gösterir, önemli ölçüde daha az aday belge alırken daha iyi hatırlama elde eder… örneğin, FDE'nin sabit bir hatırlama elde etmek için 5-20x daha az aday geri alınır.

Ayrıca, Muvera'nın FDE'lerinin ürün nicelleştirilmesi kullanılarak etkili bir şekilde sıkıştırılabileceğini ve bellek ayak izini geri alma kalitesi üzerinde minimum etki ile 32x azaltabileceğini bulduk.

Bu sonuçlar, Muvera'nın çok vektör alımını önemli ölçüde hızlandırma potansiyelini vurgular ve bu da gerçek dünya uygulamaları için daha pratik hale getirir.

… Çok vektörlü aramayı tek vektörlü MIP'lere indirgeyerek, Muvera mevcut optimize edilmiş arama tekniklerinden yararlanır ve önemli ölçüde iyileştirilmiş verimlilikle son teknoloji ürünü performans elde eder. ”

Google'ın Grafik Temel Modeli

Bir Grafik Temel Modeli (GFM), farklı grafik yapılarında ve veri kümelerinde genelleme yapmak için tasarlanmış bir tür AI modelidir. Büyük dil modellerinin başlangıçta eğitilmediği farklı alanlarda nasıl genelleştirebileceğine benzer şekilde uyarlanabilir olacak şekilde tasarlanmıştır.

Google'ın GFM'si, belgeleri, bağlantıları, kullanıcıları, spam algılamayı, ürün önerilerini ve diğer tür sınıflandırmaları içerebilecek düğümleri ve kenarları sınıflandırır.

Bu, 10 Temmuz'da yayınlanan çok yeni bir şey, ancak zaten spam algılama reklamları üzerinde test edilmiş. Aslında, grafik makinesi öğrenmesinde ve farklı grafik yapılarında ve görevlerde genelleştirebilen AI modellerinin geliştirilmesinde bir atılımdır.

Üzerinde eğitildikleri grafiğe bağlı grafik sinir ağlarının (GNN) sınırlamalarının yerini alır. LLMS gibi grafik temel modelleri, eğitildikleri şeyle sınırlı değildir, bu da onları yeni veya görünmeyen grafik yapıları ve alanlarını işlemek için çok yönlü hale getirir.

Google'ın GFM duyurusu, sıfır atış ve az sayıda öğrenmeyi geliştirdiğini söylüyor, yani sadece az sayıda etiketli örnek mevcut olsa bile, ek göreve özgü eğitim (sıfır atış) olmadan farklı grafik türleri üzerinde doğru tahminler yapabilir (birkaç atış).

Google'ın GFM duyurusu şu sonuçları bildirdi:

“Google ölçeğinde çalışmak, JAX ortamımızın ve ölçeklenebilir TPU altyapısının özellikle parladığı milyarlarca düğüm ve kenar grafiklerinin işlenmesi anlamına gelir. Bu tür veri hacimleri, genelci modelleri eğitmek için uygundur, bu nedenle GFM'mizi, reklamlarda spam tespiti gibi birkaç iç sınıflandırma görevini araştırdık, bu da büyük ve bağlı tablolar arasında yer almayı içermeyen, relational tablolar arasında yer almaz. Farklı tablolar ve bu nedenle doğru tahminler için yararlı olabilecek bağlamı kaçırır.

En iyi ayarlanmış tek tablo taban çizgilerine kıyasla önemli bir performans artışı gözlemliyoruz. Akış aşağı görevine bağlı olarak, GFM ortalama hassasiyette 3x – 40x kazanç getiriyor, bu da ilişkisel tablolardaki grafik yapısının ML modelleri tarafından kaldırılması için önemli bir sinyal sağladığını gösteriyor. ”

Ne değişti?

Hem Muvera hem de GFM'yi entegre etmenin, Güvenilirlik ve Otorite (GFM) ile ilişkili kalıpları daha iyi tanımlamak için Geri Almayı (Muvera) ve bağlantılar veya içerik arasındaki ilişkileri geliştirerek ilgili içeriği daha hassas bir şekilde sıralayabileceğini tahmin etmek mantıksız değildir.

Hem Muvera hem de GFM'yi entegre etmek, Google'ın sıralama sistemlerinin, arama yapanların tatmin edici bulacağı daha kesin bir şekilde alakalı içeriği ortaya çıkarmasını sağlayacaktır.

Google'ın resmi duyurusu şunları söyledi:

“Bu, her türlü siteden arayanlar için daha iyi yüzeyle ilgili, tatmin edici içerik için tasarlanmış düzenli bir güncelleme.”

Bu özel güncellemeye, büyük değişikliklerin yaygın raporları eşlik etmiyordu. Bu güncelleme, Google'ın Danny Sullivan'ın Search Central Live New York'ta bahsettiği şeye uyabilir ve burada daha çok çeşitli yüksek kaliteli içerikleri ortaya çıkarmak için Google'ın algoritmasında değişiklik yapacaklarını söyledi.

Arama pazarlaması Glenn Gabe, HCU olarak da bilinen “Yardımcı İçerik Güncellemesi” nden etkilenen bazı siteleri gördüğünü tweetledi.

Bunun çok büyük bir güncelleme olduğunu söylemesine rağmen, tweet'lerine verilen yanıt sessizleşti, yaygın bir bozulma olduğunda meydana gelen bir tepki değil. Bence Glenn Gabe'nin verileri büyük bir güncelleme olduğunu gösterse de, yıkıcı bir güncelleme olmayabilir.

Peki ne değişti? Bence, Google'ın daha iyi bir şekilde alakalı içeriği daha iyi yüzeye çıkarma yeteneğini geliştiren yaygın bir değişiklik olduğunu ve daha iyi erişim ve güvenilirlik ve otorite kalıplarını yorumlamanın yanı sıra düşük kaliteli siteleri daha iyi tanımlamanın daha iyi bir yetenek olduğunu düşünüyor.

Devamını oku:

Google Muvera

Google'ın Grafik Temel Modeli

Google'ın Haziran 2025 güncellemesi bitti

Shutterstock/Kues tarafından Öne Çıkan Resim


Yayımlandı

kategorisi

yazarı:

Etiketler:

Yorumlar

Bir yanıt yazın

E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir