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
借助 Ironclad 推进计算机操作能力
关于计算机操作智能体进展的官方研究文章。应区分评测结果与实际部署条件。
Advancing computer use with Ironclad
为什么值得读
连接语言模型与界面操作，理解从回答问题到执行任务的变化。
引用
@misc{openai2026advancing,
title = {Advancing computer use with Ironclad},
author = {OpenAI},
year = {2026},
url = {https://openai.com/index/advancing-computer-use-with-ironclad/}
}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。