<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>假阳性 on AI内参</title>
    <link>https://www.neican.ai/tags/%E5%81%87%E9%98%B3%E6%80%A7/</link>
    <description>Recent content in 假阳性 on AI内参</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <lastBuildDate>Thu, 20 Nov 2025 11:10:04 +0800</lastBuildDate>
    <atom:link href="https://www.neican.ai/tags/%E5%81%87%E9%98%B3%E6%80%A7/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>RAG的“隐形之战”：从99%误报到3.8%精准的语义缓存架构革命</title>
      <link>https://www.neican.ai/insights/rag9938-20251120111004768-3/</link>
      <pubDate>Thu, 20 Nov 2025 11:10:04 +0800</pubDate>
      <guid>https://www.neican.ai/insights/rag9938-20251120111004768-3/</guid>
      <description>本洞察文章深入分析了检索增强生成（RAG）语义缓存的优化路径，揭示了在金融等关键领域中，降低AI系统误报率的核心在于缓存架构设计与质量控制，而非单纯的模型调整。通过系统性的“最佳候选原则”和多层次智能架构，误报率从99%大幅降至3.8%，为企业级AI的商业化应用和可靠性树立了新标准，并探讨了其对AI伦理、商业模式及未来技术路线图的深远影响。</description>
    </item>
  </channel>
</rss>
