<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>AI模型效率 on AI内参</title>
    <link>https://www.neican.ai/main_topics/ai%E6%A8%A1%E5%9E%8B%E6%95%88%E7%8E%87/</link>
    <description>Recent content in AI模型效率 on AI内参</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <lastBuildDate>Thu, 19 Jun 2025 11:20:04 +0800</lastBuildDate>
    <atom:link href="https://www.neican.ai/main_topics/ai%E6%A8%A1%E5%9E%8B%E6%95%88%E7%8E%87/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>突破视觉AI瓶颈：英伟达与港大如何革新注意力机制，实现√N计算与84倍加速</title>
      <link>https://www.neican.ai/insights/ain84-20250619112004601-3/</link>
      <pubDate>Thu, 19 Jun 2025 11:20:04 +0800</pubDate>
      <guid>https://www.neican.ai/insights/ain84-20250619112004601-3/</guid>
      <description>英伟达与香港大学联合发布广义空间传播网络（GSPN），一种新型视觉注意力机制，旨在克服Transformer在处理高分辨率图像时面临的计算二次方复杂度与空间结构丢失问题。GSPN通过引入“稳定性-上下文条件”，将计算复杂度显著降低至√N量级，并在图像生成任务中实现了高达84倍的加速，有望为下一代视觉AI模型奠定高效且空间感知的基石。</description>
    </item>
  </channel>
</rss>
