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。
全部主题 · 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：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：OpenAI 公布通用文本输入输出 API，并开放申请。这是 GPT-3 早期 API 接入节点；当时的测试资格与接口状态以原始公告为准。
适合关注的人：关注这一主题的学习者
导读建议的练习：官方公告日期：June 11, 2020；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：RAG 论文把预训练生成模型与外部文档检索结合，让知识密集型任务可参考非参数化记忆。这里记录首次论文公开日期，而非后续会议或代码发布时间。
适合关注的人：维护知识库与文档问答的开发者
导读建议的练习：论文首次公开日期：2020/05/22；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：在查询和文档的词元表示之间进行后期交互，为检索精度与效率的折中提供新的设计。
适合关注的人：维护知识库与文档问答的开发者
导读建议的练习：论文首次公开日期：2020/04/27；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：DPR 论文提出面向开放域问答的稠密段落检索，用双编码器学习问题与文档的向量表示。可用于理解后来 RAG 系统中检索模块的技术来源。
适合关注的人：维护知识库与文档问答的开发者
导读建议的练习：论文首次公开日期：2020/04/10；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：REALM 研究在语言模型预训练时加入可学习的知识检索器，让模型从外部文档读取信息。它是检索增强路线的早期论文，日期采用 arXiv 首次提交。
适合关注的人：维护知识库与文档问答的开发者
导读建议的练习：论文首次公开日期：2020/02/10；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：介绍大规模语言模型 GPT-2 的文本生成研究，并讨论分阶段开放与滥用风险；该节点对应初始研究公告。
适合关注的人：关注这一主题的学习者
导读建议的练习：官方公告日期：February 14, 2019；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。