<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>递归语言模型 on AI内参</title>
    <link>https://www.neican.ai/tags/%E9%80%92%E5%BD%92%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/</link>
    <description>Recent content in 递归语言模型 on AI内参</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <lastBuildDate>Sun, 04 Jan 2026 19:22:19 +0800</lastBuildDate>
    <atom:link href="https://www.neican.ai/tags/%E9%80%92%E5%BD%92%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>01-04日报 | 暴力计算的黄昏与“思考”红利的黎明：当AI开始全面接管物理接口</title>
      <link>https://www.neican.ai/newspaper/2026-01-04-01-04-ai-/</link>
      <pubDate>Sun, 04 Jan 2026 19:22:19 +0800</pubDate>
      <guid>https://www.neican.ai/newspaper/2026-01-04-01-04-ai-/</guid>
      <description>2026年伊始，AI行业正经历从暴力规模化到深度思考与物理渗透的范式转移。从李飞飞的“世界模型”重构游戏基建，到OpenAI智能笔开启去屏幕化交互，再到MIT递归模型解决降智难题，AI正在全面接管我们的物理接口与思维逻辑。</description>
    </item>
    <item>
      <title>别再疯狂堆算力了！MIT 丢出 RLM 破局：让 AI 学会“返工”，才是通往天才的捷径</title>
      <link>https://www.neican.ai/insights/mit-rlm-ai--20260104181004587-1/</link>
      <pubDate>Sun, 04 Jan 2026 18:10:04 +0800</pubDate>
      <guid>https://www.neican.ai/insights/mit-rlm-ai--20260104181004587-1/</guid>
      <description>MIT 团队提出“递归语言模型”（RLM），通过让 AI 写代码检索资料和递归调用自身，成功解决了长文档“上下文腐化”问题。该方法不仅能处理千万级 token 的超长文本，还能在降低成本的同时显著提升推理准确率，预示着 AI 进化将从“堆参数”转向“深度思考”。</description>
    </item>
  </channel>
</rss>
