<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>模型适应 on AI内参</title>
    <link>https://www.neican.ai/tags/%E6%A8%A1%E5%9E%8B%E9%80%82%E5%BA%94/</link>
    <description>Recent content in 模型适应 on AI内参</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <lastBuildDate>Thu, 10 Jul 2025 17:40:05 +0800</lastBuildDate>
    <atom:link href="https://www.neican.ai/tags/%E6%A8%A1%E5%9E%8B%E9%80%82%E5%BA%94/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>巨头谷歌T5Gemma模型：编码器-解码器架构的“韧性”回归与大模型效率-智能范式重塑</title>
      <link>https://www.neican.ai/insights/t5gemma--20250710174005004-0/</link>
      <pubDate>Thu, 10 Jul 2025 17:40:05 +0800</pubDate>
      <guid>https://www.neican.ai/insights/t5gemma--20250710174005004-0/</guid>
      <description>谷歌通过发布32款T5Gemma模型，利用“适应”技术将仅解码器模型的强大能力赋能于编码器-解码器架构，实现了性能与推理效率的显著突破。此举不仅预示着编码器-解码器架构的“韧性”回归，更将推动AI模型向专业化、高效化方向发展，重塑特定任务场景的商业应用格局，并为AI技术的普及化提供新路径。</description>
    </item>
  </channel>
</rss>
