<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>SBP on AI内参</title>
    <link>https://www.neican.ai/tags/sbp/</link>
    <description>Recent content in SBP on AI内参</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <lastBuildDate>Tue, 23 Sep 2025 19:10:05 +0800</lastBuildDate>
    <atom:link href="https://www.neican.ai/tags/sbp/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>超越数据枯竭的“规模壁垒”：苹果S.B.P.预训练范式如何重塑AI未来</title>
      <link>https://www.neican.ai/insights/sbpai-20250923191005893-1/</link>
      <pubDate>Tue, 23 Sep 2025 19:10:05 +0800</pubDate>
      <guid>https://www.neican.ai/insights/sbpai-20250923191005893-1/</guid>
      <description>随着高质量训练数据枯竭，大模型发展面临“规模壁垒”。前苹果AI负责人庞若鸣参与的“合成自举预训练（SBP）”新范式，通过识别并利用现有数据中的跨文档关联来生成高质量合成数据，有效提升了模型性能。这项技术有望缓解AI的数据瓶颈，降低训练成本，并促使AI从单纯的数据规模竞赛转向更注重数据智慧和高效利用的新阶段，同时引发对未来AI自我改进和伦理风险的深层思考。</description>
    </item>
  </channel>
</rss>
