<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>MoR架构 on AI内参</title>
    <link>https://www.neican.ai/tags/mor%E6%9E%B6%E6%9E%84/</link>
    <description>Recent content in MoR架构 on AI内参</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <lastBuildDate>Fri, 18 Jul 2025 11:40:05 +0800</lastBuildDate>
    <atom:link href="https://www.neican.ai/tags/mor%E6%9E%B6%E6%9E%84/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>谷歌MoR：大模型计算范式的新篇章，超越Transformer的效率哲学</title>
      <link>https://www.neican.ai/insights/mortransformer-20250718114005752-4/</link>
      <pubDate>Fri, 18 Jul 2025 11:40:05 +0800</pubDate>
      <guid>https://www.neican.ai/insights/mortransformer-20250718114005752-4/</guid>
      <description>谷歌最新发布的MoR（Mixture-of-Recursions）架构，以统一参数共享、自适应递归深度和高效KV缓存为核心，实现了大语言模型推理速度翻倍、KV内存减半的突破。这不仅大幅提升了模型效率，降低了部署成本，更是谷歌在底层AI计算范式上的一项战略性创新，有望加速AI技术的普及和商业化进程，并引领未来AI模型的发展方向。</description>
    </item>
  </channel>
</rss>
