AI 论文
基础概念与架构：
- 反向传播：训练神经网络的基本算法。
- 卷积神经网络（CNN）：图像处理的关键架构。
- Word2Vec：Tomáš Mikolov 关于词嵌入的论文。
- 使用神经网络进行序列到序列学习：序列建模的基础性论文。
- Attention is All You Need：引入Transformer架构的开创性论文。
- ResNet，“深度残差学习用于图像识别”：为更深网络引入残差连接。
大型语言模型及相关技术：
- 链式思维提示激发大型语言模型的推理能力：探索增强推理能力的提示技术。
- 知识密集型NLP任务中的检索增强生成：结合检索与生成以提升性能。
- GPT-4技术报告
- Claude 3模型卡
- LLaMA 3论文
特定模型与应用：
- DeepSeek V3 和 V2：DeepSeek 的最新模型。
- Whisper，通过大规模弱监督实现鲁棒语音识别：一个鲁棒的语音识别模型。
- 潜在扩散模型（Stable Diffusion）论文：引入潜在扩散用于图像生成。
- DALL-E 3：扩展文本到图像生成：一个强大的文本到图像模型。
基准测试与评估：
- SWE-Bench：语言模型能否解决现实世界的GitHub问题？：评估代码生成能力的基准测试。
精选列表：
- NeurIPS时间检验论文：一组因其长期影响而受到认可的有影响力的论文。
- Ilya的30篇顶级AI论文：由Ilya Sutskever精选的列表，可在https://aman.ai/primers/ai/top-30-papers/查看。