<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>MiniCPM on AI内参</title>
    <link>https://www.neican.ai/tags/minicpm/</link>
    <description>Recent content in MiniCPM on AI内参</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <lastBuildDate>Wed, 15 Jul 2026 20:40:03 +0800</lastBuildDate>
    <atom:link href="https://www.neican.ai/tags/minicpm/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>手机AI大爆发！面壁智能打入三星，阿里千问牵手苹果，端侧模型终于不“面壁”了</title>
      <link>https://www.neican.ai/insights/article-20260715204003319-0/</link>
      <pubDate>Wed, 15 Jul 2026 20:40:03 +0800</pubDate>
      <guid>https://www.neican.ai/insights/article-20260715204003319-0/</guid>
      <description>面壁智能端侧模型即将植入三星手机，同日7款手机AI备案放行，阿里千问也正式集成Apple智能。端侧AI规模化落地时代开启，模型公司正在成为手机AI的新供方，产业链分工悄然成形。</description>
    </item>
    <item>
      <title>刘知远：在算力荒原里，他刻下了AI进化的“百日刻度”</title>
      <link>https://www.neican.ai/insights/article-20251225094002007-0/</link>
      <pubDate>Thu, 25 Dec 2025 09:40:02 +0800</pubDate>
      <guid>https://www.neican.ai/insights/article-20251225094002007-0/</guid>
      <description>本专访深度聚焦清华大学副教授刘知远及其提出的“密度法则”，展现了一位在算力紧缺背景下坚持算法创新的中国科学家形象。文章探讨了他如何通过研发“小钢炮”模型MiniCPM挑战传统的Scaling Law，并以前瞻性的视角预判了“用AI造AI”带来的生产力革命。</description>
    </item>
    <item>
      <title>稀疏注意力革命：InfLLM-V2如何重塑长上下文大模型与AI的成本效率边界</title>
      <link>https://www.neican.ai/insights/infllm-v2ai-20251009204008006-0/</link>
      <pubDate>Thu, 09 Oct 2025 20:40:08 +0800</pubDate>
      <guid>https://www.neican.ai/insights/infllm-v2ai-20251009204008006-0/</guid>
      <description>InfLLM-V2通过引入零额外参数的可训练稀疏注意力机制，显著提高了大模型处理长文本的效率和性能，同时将训练成本大幅降低，预示着高效AI应用的新范式。这一技术突破将加速企业级AI的普及，赋能边缘智能，并推动未来AI模型向“智能效率”和模块化方向演进，使其更具经济性和普惠性。</description>
    </item>
  </channel>
</rss>
