<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>大型语言模型的影响 on AI内参</title>
    <link>https://www.neican.ai/main_topics/%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B%E7%9A%84%E5%BD%B1%E5%93%8D/</link>
    <description>Recent content in 大型语言模型的影响 on AI内参</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <lastBuildDate>Thu, 19 Jun 2025 16:20:04 +0800</lastBuildDate>
    <atom:link href="https://www.neican.ai/main_topics/%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B%E7%9A%84%E5%BD%B1%E5%93%8D/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>AI效率悖论：大模型如何悄然重塑人类心智？</title>
      <link>https://www.neican.ai/insights/article-20250619162004508-2/</link>
      <pubDate>Thu, 19 Jun 2025 16:20:04 +0800</pubDate>
      <guid>https://www.neican.ai/insights/article-20250619162004508-2/</guid>
      <description>麻省理工学院最新研究揭示，过度依赖大型语言模型（LLM）可能导致人类大脑神经连接减少47%，认知能力下降，并形成“认知债务”。尽管AI短期内能大幅提升工作效率，但它却以削弱深层思考和长期学习能力为代价，引发了对AI工具使用模式、教育策略及未来人机协作模式的深刻反思。</description>
    </item>
  </channel>
</rss>
