<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>AI训练范式 on AI内参</title>
    <link>https://www.neican.ai/main_topics/ai%E8%AE%AD%E7%BB%83%E8%8C%83%E5%BC%8F/</link>
    <description>Recent content in AI训练范式 on AI内参</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <lastBuildDate>Tue, 17 Jun 2025 19:30:06 +0800</lastBuildDate>
    <atom:link href="https://www.neican.ai/main_topics/ai%E8%AE%AD%E7%BB%83%E8%8C%83%E5%BC%8F/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>游戏之智：小模型如何通过像素世界解锁通用推理能力</title>
      <link>https://www.neican.ai/insights/article-20250617193006116-1/</link>
      <pubDate>Tue, 17 Jun 2025 19:30:06 +0800</pubDate>
      <guid>https://www.neican.ai/insights/article-20250617193006116-1/</guid>
      <description>一项最新研究揭示，通过让仅70亿参数的多模态模型玩简单的街机游戏，如《贪吃蛇》，可以培养出强大的跨领域推理能力，使其在数学和几何任务上超越GPT-4o等顶级模型。这项名为“视觉游戏学习”（ViGaL）的范式，通过游戏训练促进了通用认知能力（如空间理解和规划）的涌现，并挑战了传统AI训练对大规模特定领域数据的依赖，为未来AI发展开辟了高效且可扩展的新路径。</description>
    </item>
  </channel>
</rss>
