<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>知识注入 on AI内参</title>
    <link>https://www.neican.ai/tags/%E7%9F%A5%E8%AF%86%E6%B3%A8%E5%85%A5/</link>
    <description>Recent content in 知识注入 on AI内参</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <lastBuildDate>Fri, 10 Oct 2025 14:10:04 +0800</lastBuildDate>
    <atom:link href="https://www.neican.ai/tags/%E7%9F%A5%E8%AF%86%E6%B3%A8%E5%85%A5/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>RAG范式进阶：动态化与参数化 RAG 如何重塑大模型与未来智能体的知识边界</title>
      <link>https://www.neican.ai/insights/rag-rag--20251010141004925-0/</link>
      <pubDate>Fri, 10 Oct 2025 14:10:04 +0800</pubDate>
      <guid>https://www.neican.ai/insights/rag-rag--20251010141004925-0/</guid>
      <description>清华大学艾清遥博士团队提出的动态化与参数化RAG技术，通过将外部知识实时注入大模型的内部表示和参数，解决了传统RAG的静态黑箱问题，显著提升了LLM的知识利用效率与适应性。这项突破不仅将极大提高企业级AI的实用性和可靠性，降低运营成本，更将成为AI Agent迈向自主学习与具身智能的关键一步，预示着未来AI系统将具备更深层次的持续学习和认知迭代能力。</description>
    </item>
  </channel>
</rss>
