<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:content="http://purl.org/rss/1.0/modules/content/"><channel><title>NLPs on Claude Code 与 DeepSeek 实战</title><link>https://ai2ai.xin/nlp/</link><description>Recent content in NLPs on Claude Code 与 DeepSeek 实战</description><generator>Hugo</generator><language>zh-cn</language><lastBuildDate>Thu, 09 Jul 2026 00:00:00 +0000</lastBuildDate><atom:link href="https://ai2ai.xin/nlp/index.xml" rel="self" type="application/rss+xml"/><item><title>RAG 2.0：检索增强生成的下一个版本</title><link>https://ai2ai.xin/nlp/rag-2-2026/</link><pubDate>Thu, 09 Jul 2026 00:00:00 +0000</pubDate><guid>https://ai2ai.xin/nlp/rag-2-2026/</guid><description>2026年RAG 2.0已经从简单的&amp;#39;检索+生成&amp;#39;进化为具备自主规划、多步推理、工具调用和自我纠错能力的Agentic RAG，Graph RAG和多模态RAG正在将检索增强生成推向新的高度。</description></item><item><title>大语言模型2026：开源vs闭源的新格局</title><link>https://ai2ai.xin/nlp/llm-landscape-2026/</link><pubDate>Thu, 09 Jul 2026 00:00:00 +0000</pubDate><guid>https://ai2ai.xin/nlp/llm-landscape-2026/</guid><description>2026年大语言模型格局已从「闭源遥遥领先」演变为「开源与闭源并驾齐驱」，Llama 4、Mistral、DeepSeek等开源模型逼近GPT-5水平，模型生态和分发渠道成为新的竞争焦点。</description></item><item><title>多语言NLP：打破语言壁垒的AI</title><link>https://ai2ai.xin/nlp/multilingual-nlp-2026/</link><pubDate>Thu, 09 Jul 2026 00:00:00 +0000</pubDate><guid>https://ai2ai.xin/nlp/multilingual-nlp-2026/</guid><description>2026年多语言NLP技术已实现200+语言的高质量翻译和理解，低资源语言的AI能力大幅提升，多语言大模型正在打破全球信息流通的语言壁垒，但也面临文化保护的挑战。</description></item></channel></rss>