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
Grok 4.6 介绍
官方技术发布说明，介绍补充训练、重新生成的监督轨迹及智能体强化学习。
Introducing Grok 4.6
为什么值得读
此来源是技术发布说明，不是独立同行评审论文；审慎比较厂商自报评测。
引用
@misc{xai2026introducing,
title = {Introducing Grok 4.6},
author = {xAI},
year = {2026},
url = {https://x.ai/news/grok-4-6}
}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。