<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>AI数据筛选 on AI内参</title>
    <link>https://www.neican.ai/main_topics/ai%E6%95%B0%E6%8D%AE%E7%AD%9B%E9%80%89/</link>
    <description>Recent content in AI数据筛选 on AI内参</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <lastBuildDate>Wed, 18 Jun 2025 14:20:04 +0800</lastBuildDate>
    <atom:link href="https://www.neican.ai/main_topics/ai%E6%95%B0%E6%8D%AE%E7%AD%9B%E9%80%89/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>突破“垃圾进，垃圾出”魔咒：谷歌DeepMind如何用元学习重塑AI数据筛选</title>
      <link>https://www.neican.ai/insights/deepmindai-20250618142004277-0/</link>
      <pubDate>Wed, 18 Jun 2025 14:20:04 +0800</pubDate>
      <guid>https://www.neican.ai/insights/deepmindai-20250618142004277-0/</guid>
      <description>谷歌DeepMind团队，包括传奇工程师杰夫·迪恩，发布了DataRater框架，利用元学习实现了训练数据的全自动质量筛选，最高可剔除75%的低质量数据。这项技术显著提升了模型训练效率，降低了计算成本，并提高了最终模型性能，标志着AI训练正从追求数据规模转向关注数据质量的新阶段，但同时也引发了对数据“价值”定义和潜在偏见传播的深层思考。</description>
    </item>
  </channel>
</rss>
