<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>无需微调 on AI内参</title>
    <link>https://www.neican.ai/tags/%E6%97%A0%E9%9C%80%E5%BE%AE%E8%B0%83/</link>
    <description>Recent content in 无需微调 on AI内参</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <lastBuildDate>Tue, 02 Sep 2025 18:10:04 +0800</lastBuildDate>
    <atom:link href="https://www.neican.ai/tags/%E6%97%A0%E9%9C%80%E5%BE%AE%E8%B0%83/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>苹果BED-LLM：无需微调的提问革命，AI从被动知识库到主动智能探寻者</title>
      <link>https://www.neican.ai/insights/bed-llmai-20250902181004766-0/</link>
      <pubDate>Tue, 02 Sep 2025 18:10:04 +0800</pubDate>
      <guid>https://www.neican.ai/insights/bed-llmai-20250902181004766-0/</guid>
      <description>苹果联合牛津等机构提出的BED-LLM研究，通过序贯贝叶斯实验设计，使大语言模型在无需微调的前提下，提问效率暴增6.5倍。这项创新解决了LLM在多轮交互中的“遗忘症”，将其从被动知识库转变为主动、高效的信息收集者，预示着AI Agent范式和人机交互模式的深层变革。</description>
    </item>
    <item>
      <title>大模型“拖拽时代”开启：即时定制突破算力藩篱，AI民主化加速</title>
      <link>https://www.neican.ai/insights/article-20250625091004532-4/</link>
      <pubDate>Wed, 25 Jun 2025 09:10:04 +0800</pubDate>
      <guid>https://www.neican.ai/insights/article-20250625091004532-4/</guid>
      <description>一项由新加坡国立大学和得克萨斯大学奥斯汀分校研究人员提出的“拖拽式大语言模型”（DnD），通过直接学习从提示词到模型参数的映射，实现了无需传统微调的即时模型定制。这项技术将大模型定制效率提升高达12000倍，并在零样本学习任务中表现卓越，预示着AI模型部署的门槛大幅降低，有望加速AI的民主化进程和应用创新。</description>
    </item>
  </channel>
</rss>
