<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Cappy on AI 早报</title><link>https://ai-news.example.com/tags/cappy/</link><description>Recent content in Cappy 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/cappy/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] Cappy：用小模型评分器超越和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 09:50:18 +0800</pubDate><guid>https://ai-news.example.com/articles/en-cappy/</guid><description>Google Research 提出轻量级预训练评分器 Cappy（基于 RoBERTa，仅 3.6 亿参数），通过为指令与候选响应生成正确性分数，可独立完成分类任务或作为辅助组件提升大型多任务语言模型性能，无需微调或反向传播，显著降低存储和计算需求，并兼容闭源模型。</description></item><item><title>[EN] Cappy：轻量评分器超越并增强大型多任务语言模型</title><link>https://ai-news.example.com/articles/en-cappy/</link><pubDate>Mon, 06 Jul 2026 03:29:09 +0800</pubDate><guid>https://ai-news.example.com/articles/en-cappy/</guid><description>Google Research 提出 Cappy，一个基于 RoBERTa 的 3.6 亿参数轻量预训练评分器，能够在不微调大型语言模型的情况下，通过输入指令与候选响应输出正确性评分，极大降低了计算和存储成本。</description></item></channel></rss>