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
Qwen-Audio-Agent：全双工语音与任务编排
前后台架构将语音交互与异步任务执行分开，协调授权、状态与结果交付。
Qwen-Audio-Agent Technical Report
为什么值得读
关注打断说话与取消任务的区别，并注意报告使用内部任务评测。
引用
@misc{deng2026qwen,
title = {Qwen-Audio-Agent Technical Report},
author = {Chong Deng and Yunjie Ji and Yuxiang Kong and Xiangang Li and Xu Li and Binbin Zhang and Haina Zhu and Jianheng Zhuo},
year = {2026},
eprint = {2609.25195},
archivePrefix = {arXiv},
primaryClass = {eess.AS},
url = {https://arxiv.org/abs/2609.25195}
}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。