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
DeepSeek-V4.1-Flash：更智能、更快速、更高效
官方介绍非对称因果编码器—解码器架构，并提供技术报告及模型资源入口。
DeepSeek-V4.1-Flash: smarter, faster, more efficient
为什么值得读
沿官方入口阅读技术报告，重点核对架构与评测设置，而非只看发布对比。
引用
@misc{deepseekai2026deepseek,
title = {DeepSeek-V4.1-Flash: smarter, faster, more efficient},
author = {DeepSeek-AI},
year = {2026},
url = {https://www.deepseek.com/en/news/deepseek-v4-1-flash/}
}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。