Brave浏览器URL栏智能建议功能升级:从"Top sites"到"Top suggestions"
Brave浏览器在1.77版本中对URL栏的自动补全功能进行了重要升级,将原有的"Top sites"(热门网站)功能扩展为更全面的"Top suggestions"(热门建议)功能。这项改进显著提升了用户在地址栏输入时的搜索体验。
功能演进背景
传统浏览器在地址栏的自动补全功能通常分为两类:一类是基于用户历史访问记录的网站建议,另一类是与搜索引擎集成的搜索建议。Brave浏览器原先采用这种分离的设计,但用户反馈表明,这种分离式体验不够连贯。
在1.77版本中,Brave团队决定将这两类建议进行更紧密的整合。原先的"Top sites"功能仅提供用户经常访问的网站建议,而新的"Top suggestions"功能则同时包含本地设备上的热门网站和搜索建议,为用户提供更全面的输入辅助。
功能实现细节
新的"Top suggestions"功能通过以下方式工作:
-
本地设备建议:系统会基于用户本地的浏览历史和搜索记录生成建议,这些数据不会离开用户设备,符合Brave的隐私保护原则。
-
搜索建议整合:当用户输入查询词时,系统不仅会显示可能的完整URL,还会提供相关的搜索建议。
-
智能优先级排序:系统会根据用户的使用习惯自动调整建议的显示顺序,最相关的建议会优先显示。
用户控制选项
为了满足不同用户的偏好,Brave提供了精细的控制选项:
-
"Top suggestions"开关:位于浏览器设置的"外观"部分,控制是否显示本地设备生成的建议(包括热门网站和搜索建议)。
-
"改进搜索建议"开关:位于搜索设置中,控制是否从默认搜索引擎获取搜索建议。
这两个设置可以独立配置,形成四种组合:
- 两者都开启:显示完整的建议(本地+搜索引擎)
- 仅开启"Top suggestions":只显示本地生成的建议
- 仅开启"改进搜索建议":只显示来自搜索引擎的建议
- 两者都关闭:完全禁用所有自动补全建议
技术实现考量
这项改进在技术实现上有几个关键点:
-
本地处理优先:所有基于本地的建议生成都在用户设备上完成,不依赖外部服务器,确保用户隐私。
-
性能优化:建议生成算法经过优化,即使在大量历史数据的情况下也能快速响应。
-
资源占用控制:系统会定期清理过时的建议数据,保持数据库的高效运行。
用户体验提升
这项升级带来的主要体验改进包括:
-
更连贯的输入体验:用户不再需要在网站建议和搜索建议之间切换思维模式。
-
更智能的预测:系统能更好地理解用户的真实意图,无论是想访问特定网站还是进行搜索。
-
更个性化的结果:建议会随着使用不断优化,越来越符合用户的个人习惯。
升级注意事项
对于从旧版本升级的用户:
-
原有设置中的"Top sites"选项会自动转换为"Top suggestions"并保持原有状态。
-
用户的历史数据会被保留并用于生成新的综合建议。
-
如果用户之前关闭了"Top sites",升级后需要手动开启"Top suggestions"才能使用扩展后的功能。
这项改进体现了Brave浏览器在保持隐私保护核心原则的同时,不断优化用户体验的承诺。通过将本地智能与用户控制完美结合,为用户提供了既强大又尊重隐私的浏览体验。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00