基于深度卷积神经网络的 ImageNet 分类
ImageNet Classification with Deep Convolutional Neural Networks
深度卷积网络将数据、GPU 计算与表示学习结合，为现代视觉研究提供了重要起点。
THE RESEARCH ATLAS
Qwen3.5-Omni 技术报告
报告探索全模态模型家族，以及异构视觉、文本和音频数据的训练。
Qwen3.5-Omni Technical Report
为什么值得读
了解统一多模态系统的近期业界入口；具体评测应回到原报告核对。
引用
@misc{team2026qwen3,
title = {Qwen3.5-Omni Technical Report},
author = {Qwen Team},
year = {2026},
eprint = {2604.15804},
archivePrefix = {arXiv},
primaryClass = {cs.CL},
url = {https://arxiv.org/abs/2604.15804}
}论文与代码版权归原作者；引用及许可请以原始来源为准。
相关研究
注意力即全部
Attention Is All You Need
Transformer 用注意力机制构建序列模型，成为后续语言与多模态模型的重要基础。
BERT：面向语言理解的深度双向 Transformer 预训练
BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding
通过掩码语言预训练学习双向表示，再迁移到语言理解任务。