<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>合成数据生成 on AI内参</title>
    <link>https://www.neican.ai/main_topics/%E5%90%88%E6%88%90%E6%95%B0%E6%8D%AE%E7%94%9F%E6%88%90/</link>
    <description>Recent content in 合成数据生成 on AI内参</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <lastBuildDate>Tue, 17 Jun 2025 20:20:00 +0800</lastBuildDate>
    <atom:link href="https://www.neican.ai/main_topics/%E5%90%88%E6%88%90%E6%95%B0%E6%8D%AE%E7%94%9F%E6%88%90/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>超越“死记硬背”：MathFusion如何通过巧妙融合数据提升大模型数学推理能力</title>
      <link>https://www.neican.ai/insights/mathfusion-20250617202000416-9/</link>
      <pubDate>Tue, 17 Jun 2025 20:20:00 +0800</pubDate>
      <guid>https://www.neican.ai/insights/mathfusion-20250617202000416-9/</guid>
      <description>上海AI Lab和人大高瓴团队提出的MathFusion框架，通过独特的“指令融合”策略，成功提升了大型语言模型（LLMs）解决复杂数学问题的能力。该方法利用仅45K合成数据，便在多个基准测试中实现了平均18%的准确率提升，证明了在数据质量而非数量上进行突破的重要性。MathFusion通过模拟问题之间的内在逻辑关联，使LLMs从“死记硬背”转向真正的逻辑推理和知识串联，为AI在更深层次的认知任务中发挥作用奠定了基础。</description>
    </item>
  </channel>
</rss>
