按主题、地区、年份和发布时间查找资讯，也可以从最早的历史记录读起。
研究与应用 · 历史覆盖：2017年6月12日 — 2026年10月19日
来源最近成功更新：2026年10月22日 · 4 个来源最近更新失败
发生了什么：研究简化专家路由的 Transformer，分析稀疏模型的训练和计算效率，不能只比较总参数量。
适合关注的人：关注这一主题的学习者
导读建议的练习：论文首次公开日期：2021/01/11；来源核对日期：2026-10-19。
来自本条已发布的中文导读，具体变化请以原始记录为准。发生了什么：Vision Transformer 将图像切成补丁序列后交给 Transformer 处理，研究纯注意力架构的图像分类。这为理解多模态模型中的视觉编码提供背景。
适合关注的人：使用图像、视频或语音工具的创作者
导读建议的练习：论文首次公开日期：2020/10/22；来源核对日期：2026-10-19。
来自本条已发布的中文导读，具体变化请以原始记录为准。发生了什么：研究用条件计算和自动分片训练大规模混合专家模型，讨论参数规模与计算分配。
适合关注的人：关注这一主题的学习者
导读建议的练习：论文首次公开日期：2020/06/30；来源核对日期：2026-10-19。
来自本条已发布的中文导读，具体变化请以原始记录为准。发生了什么：通过逐步加噪与学习去噪研究图像生成，为后来扩散式视觉模型提供基础；此处是论文节点。
适合关注的人：使用图像、视频或语音工具的创作者
导读建议的练习：论文首次公开日期：2020/06/19；来源核对日期：2026-10-19。
来自本条已发布的中文导读，具体变化请以原始记录为准。发生了什么：研究大规模自回归语言模型的少样本学习，区分论文实验设置与后来 API 产品的开放时间。
适合关注的人：关注这一主题的学习者
导读建议的练习：论文首次公开日期：2020/05/28；来源核对日期：2026-10-19。
来自本条已发布的中文导读，具体变化请以原始记录为准。发生了什么：神经语言模型缩放定律论文分析模型规模、数据量和训练算力与损失之间的经验关系。其结论具有实验范围，不应直接当作所有模型的固定公式。
适合关注的人：关注这一主题的学习者
导读建议的练习：论文首次公开日期：2020/01/23；来源核对日期：2026-10-19。
来自本条已发布的中文导读，具体变化请以原始记录为准。发生了什么：结合双向编码与自回归解码进行去噪预训练，面向生成和理解任务，日期采用论文首次提交。
适合关注的人：关注这一主题的学习者
导读建议的练习：论文首次公开日期：2019/10/29；来源核对日期：2026-10-19。
来自本条已发布的中文导读，具体变化请以原始记录为准。发生了什么：把多类自然语言任务统一成文本输入输出，并系统比较预训练与微调设置，提供通用语言模型训练的早期研究。
适合关注的人：关注这一主题的学习者
导读建议的练习：论文首次公开日期：2019/10/23；来源核对日期：2026-10-19。
来自本条已发布的中文导读，具体变化请以原始记录为准。发生了什么：BERT 研究双向语言表示预训练，并在多项自然语言理解任务上进行微调评估。这里记录的是论文公开节点，不代表所有后续模型同时发布。
适合关注的人：关注这一主题的学习者
导读建议的练习：论文首次公开日期：2018/10/11；来源核对日期：2026-10-19。
来自本条已发布的中文导读，具体变化请以原始记录为准。发生了什么：Transformer 论文提出以注意力机制为核心的序列转换架构，在机器翻译实验中展示结果。该节点用于追溯大模型技术基础，记录论文首次公开日期。
适合关注的人：关注这一主题的学习者
导读建议的练习：论文首次公开日期：2017/06/12；来源核对日期：2026-10-19。
来自本条已发布的中文导读，具体变化请以原始记录为准。