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
分布式智能体与生物数据研究
用分布式智能体连接大型生物数据与科学文献。得到的研究线索仍需要后续实验检验。
Using thousands of AI agents to uncover new leads in biological data
为什么值得读
区分并行研究的工程规模与生物学证据的强度，不把线索当作已验证的发现。
引用
@misc{openai2026using,
title = {Using thousands of AI agents to uncover new leads in biological data},
author = {OpenAI and PerturbAI and Scripps Research},
year = {2026},
url = {https://openai.com/index/scaling-ai-research-for-complex-biological-data/}
}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。