<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>量化 on AI内参</title>
    <link>https://www.neican.ai/tags/%E9%87%8F%E5%8C%96/</link>
    <description>Recent content in 量化 on AI内参</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <lastBuildDate>Tue, 26 Aug 2025 14:10:04 +0800</lastBuildDate>
    <atom:link href="https://www.neican.ai/tags/%E9%87%8F%E5%8C%96/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>大模型微调太头疼？Unsloth：这份“躺平”式教程，直接帮你打通任督二脉！</title>
      <link>https://www.neican.ai/insights/unsloth-20250826141004621-2/</link>
      <pubDate>Tue, 26 Aug 2025 14:10:04 +0800</pubDate>
      <guid>https://www.neican.ai/insights/unsloth-20250826141004621-2/</guid>
      <description>大模型微调曾是令无数开发者头疼的“玄学”，但旧金山初创Unsloth最近发布了一系列“保姆级”教程，旨在简化LLM的对比、运行和微调过程。这些教程不仅详细介绍了Qwen、Llama等主流开放模型的特性和用例，还贴心提供了解决微调中常见问题的“踩坑”指南，甚至通过量化技术让模型推理更省钱，让大模型开发变得前所未有的简单和“亲民”。</description>
    </item>
    <item>
      <title>AI自动化浪潮：量化范式下的颠覆与人类的未知边界</title>
      <link>https://www.neican.ai/insights/article-20250624101004335-1/</link>
      <pubDate>Tue, 24 Jun 2025 10:10:04 +0800</pubDate>
      <guid>https://www.neican.ai/insights/article-20250624101004335-1/</guid>
      <description>人工智能正以前所未有的速度自动化几乎所有可量化的工作任务，从创意到分析，甚至专业领域无一幸免。文章深入探讨了AI自动化背后的“数据、奖励、计算能力”技术框架，并指出人类在处理无法量化、充满“奈特不确定性”的未知问题上的独特优势。文章呼吁领导者应超越数据指标，转而支持和培养那些探索模糊、不可量化领域的团队，以适应这场颠覆性的变革。</description>
    </item>
  </channel>
</rss>
