<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>深度哈希 on AI内参</title>
    <link>https://www.neican.ai/tags/%E6%B7%B1%E5%BA%A6%E5%93%88%E5%B8%8C/</link>
    <description>Recent content in 深度哈希 on AI内参</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <lastBuildDate>Fri, 05 Dec 2025 14:40:05 +0800</lastBuildDate>
    <atom:link href="https://www.neican.ai/tags/%E6%B7%B1%E5%BA%A6%E5%93%88%E5%B8%8C/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>CRH：重塑大规模图像检索的“语义记忆”，解锁AI时代信息效率新范式</title>
      <link>https://www.neican.ai/insights/crhai-20251205144005433-0/</link>
      <pubDate>Fri, 05 Dec 2025 14:40:05 +0800</pubDate>
      <guid>https://www.neican.ai/insights/crhai-20251205144005433-0/</guid>
      <description>北京邮电大学团队提出的CRH（中心重分配哈希）技术，通过创新的端到端联合学习机制，显著提升了大规模图像检索的精度和效率。这项技术不仅为AI信息组织和检索提供了更具语义感知能力的新范式，也预示着数据密集型产业在效率和智能水平上的重大飞跃，具有深远的商业和技术影响力。</description>
    </item>
  </channel>
</rss>
