<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>实时推理 on AI内参</title>
    <link>https://www.neican.ai/tags/%E5%AE%9E%E6%97%B6%E6%8E%A8%E7%90%86/</link>
    <description>Recent content in 实时推理 on AI内参</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <lastBuildDate>Mon, 15 Jun 2026 11:10:04 +0800</lastBuildDate>
    <atom:link href="https://www.neican.ai/tags/%E5%AE%9E%E6%97%B6%E6%8E%A8%E7%90%86/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>搜索交互的微秒战争：Swiggy如何通过实时机器学习重塑自动补全的边界</title>
      <link>https://www.neican.ai/insights/swiggy-20260615111004869-0/</link>
      <pubDate>Mon, 15 Jun 2026 11:10:04 +0800</pubDate>
      <guid>https://www.neican.ai/insights/swiggy-20260615111004869-0/</guid>
      <description>Swiggy通过将机器学习排序模型嵌入OpenSearch架构，实现了自动补全的实时化与精准化。这一技术演进不仅揭示了搜索基础设施向“智能闭环”转型的范式趋势，也提出了算法优化与用户视野选择之间的深层伦理思考。</description>
    </item>
    <item>
      <title>走出“邮件时代”：TML如何通过原生实时交互重塑人机协同边界</title>
      <link>https://www.neican.ai/insights/tml-20260512154003946-1/</link>
      <pubDate>Tue, 12 May 2026 15:40:03 +0800</pubDate>
      <guid>https://www.neican.ai/insights/tml-20260512154003946-1/</guid>
      <description>TML 通过原生多模态实时交互架构，打破了 AI 的“回合制”瓶颈，将人机协作从被动响应提升为实时同步过程，展现了 AI Agent 走向深度生产力整合的技术雏形。</description>
    </item>
  </channel>
</rss>
