<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>谷歌研究 on AI 早报</title><link>https://ai-news.example.com/tags/%E8%B0%B7%E6%AD%8C%E7%A0%94%E7%A9%B6/</link><description>Recent content in 谷歌研究 on AI 早报</description><generator>Hugo</generator><language>zh-CN</language><lastBuildDate>Tue, 07 Jul 2026 23:13:21 +0800</lastBuildDate><atom:link href="https://ai-news.example.com/tags/%E8%B0%B7%E6%AD%8C%E7%A0%94%E7%A9%B6/feed.xml" rel="self" type="application/rss+xml"/><item><title>[EN] Cappy：小型评分器超越并提升大型多任务语言模型</title><link>https://ai-news.example.com/articles/en-cappy/</link><pubDate>Tue, 07 Jul 2026 23:13:21 +0800</pubDate><guid>https://ai-news.example.com/articles/en-cappy/</guid><description>谷歌研究团队提出了一种名为 Cappy 的轻量级预训练评分器，基于仅3.6亿参数的RoBERTa，通过为指令和候选响应生成0到1的正确性评分，在分类任务中可独立运行或辅助大型多任务语言模型，无需微调或访问模型参数即可高效适配下游任务，显著降低了计算和存储成本。</description></item><item><title>[EN] 谷歌推出生成式AI模型SEEDS，低成本量化天气预报不确定性</title><link>https://ai-news.example.com/articles/en-aiseeds/</link><pubDate>Tue, 07 Jul 2026 23:13:01 +0800</pubDate><guid>https://ai-news.example.com/articles/en-aiseeds/</guid><description>谷歌发布基于扩散概率模型的SEEDS（可扩展集合包络扩散采样器），能以极低成本生成大规模天气预报集合，有效量化极端天气的不确定性。</description></item></channel></rss>