PaperBridge 和普通 AI 论文总结工具有什么不同？
普通总结常压缩摘要和结论；PaperBridge 还解释方法机制、证据强弱、对照实验、局限与实际意义，并用原创图解帮助建立直觉。
AI 论文图解，一分钟读懂关键研究
用人话解释方法、证据和局限，而不只给一段摘要
AI / Technology / 中文
DeepSeek-Prover-V2：子目标分解怎样把数学直觉变成可验证证明
DeepSeek-V3 先把困难定理拆成形式子目标，7B 证明器递归填完局部证明，Lean 再把成功结果变成冷启动数据和强化学习奖励。
AI / Technology / 中文
Kimi K3：开放前沿智能
Kimi K3 同时重做序列、深度、宽度与任务状态通路；这份深度解读逐步拆开 KDA、AttnRes、Stable LatentMoE、长上下文训练和可恢复智能体系统。
AI / Technology / 中文
ZeRO 真正在做什么：长期分开存，计算时临时拼齐
用分布式系统的话说，ZeRO 把训练从“每张 GPU 都复制完整状态”，改成“状态分片保存，需要计算当前层时再临时物化”。它解决的是状态管理问题，不是让模型换一种学习方法。
Robotics / NVIDIA / 中文
PLD：机器人基础模型怎样主动找到失败区域，再把修正经验学回自己？
官方标题：Self-Improving Vision-Language-Action Models with Data Generation via Residual RL · 作者：Wenli Xiao 等｜ICLR 2026 论文｜arXiv:2511.00091
Robotics / NVIDIA / 中文
DreamDojo：从大规模人类视频学会预演机器人动作
官方英文标题： DreamDojo: A Generalist Robot World Model from Large-Scale Human Videos · 论文： arXiv:2602.06949 · 发表状态： ICML 2026 Spotlight
Robotics / NVIDIA / 中文
FLARE：让机器人不必画出未来，也能学会“先想后做”
官方题名： FLARE: Robot Learning with Implicit World Modeling · 作者： Ruijie Zheng 等｜发表： 第 9 届机器人学习会议（CoRL 2025）｜论文： arXiv:2505.15659
Robotics / NVIDIA / 中文
DreamGen：视频世界模型如何批量“梦出”机器人训练轨迹
官方标题： DreamGen: Unlocking Generalization in Robot Learning through Video World Models · 作者： Joel Jang 等 · 发表： CoRL 2025（第 9 届机器人学习大会）· 论文： arXiv:2505.12705 · 会议论文集
Robotics / NVIDIA / 中文
GR00T N1：一个面向通用人形机器人的开放基础模型
官方英文标题：GR00T N1: An Open Foundation Model for Generalist Humanoid Robots · NVIDIA 技术报告，arXiv:2503.14734（v2，2025-03-27）。这是一份 arXiv 技术报告，不是已同行评审的顶会论文。 · 主来源：arXiv 摘要页 · 论文 HTML 全文
Robotics / Humanoid / 中文
HOVER：面向人形机器人的多功能神经全身控制器
官方英文标题：HOVER: Versatile Neural Whole-Body Controller for Humanoid Robots · Tairan He 等，ICRA 2025；arXiv:2410.21229，本文依据 2025-03-06 的 v2。
Robotics / Humanoid / 中文
OmniH2O：从头和双手的轨迹，补出人形机器人的全身动作
官方标题：OmniH2O: Universal and Dexterous Human-to-Humanoid Whole-Body Teleoperation and Learning · 论文：arXiv:2406.08858｜作者：Tairan He 等｜提交日期：2024-06-13
AI / Technology / 中文
三维 Kakeya 集的体积下界与管并集几乎最大体积
这篇论文研究：在三维空间里，一批很细的“管”如果方向分散、又不太能挤在一起，它们合起来到底能占多大体积。作者给出的核心结论是：在合适的非聚集条件下，这种并集的体积几乎达到最大；进一步，这个体积估计足以推出 ℝ^3 中 Kakeya 集的 Minkowski 维数和 Hausdorff 维数都等于 3。
AI / Technology / 中文
MAGI-1：按视频块自回归生成的流式视频模型
这篇论文提出一种把视频按固定长度“块”来生成的方法：先生成前一块，再生成后一块，让视频可以边出边看，同时尽量不让后面的计算随着视频变长而暴涨。它的核心想法不是一次性处理整段视频，而是让时间顺序本身变成生成过程的一部分。
AI / Technology / 中文
GAIA-2：面向自动驾驶的可控多视角生成式世界模型
官方题名： GAIA-2: A Controllable Multi-View Generative World Model for Autonomous Driving · 作者： Lloyd Russell、Anthony Hu、Lorenzo Bertoni、George Fedoseev、Jamie Shotton、Elahe Arani、Gianluca Corrado · 来源： arXiv:2503.20523，2025-03-26 提交，Technical Report >
AI / Technology / 中文
LDA-1B：把异构具身数据统一成可训练的世界模型
这篇论文想解决的，不是单纯让机器人学会一个动作，而是让它从大量形态不同、质量不一的具身数据里，一起学到动作、动力学和未来画面。作者把这个方向做成了一个 1B 参数的统一训练系统，并配套整理了 EI-30k 数据集。
AI / Technology / 中文
ContentV：在256个64GB NPU上训练的8B文生视频模型
这篇论文提出 ContentV：一个基于 Stable Diffusion 3.5 Large 的 8B 文本到视频模型，目标是在算力受限但又要追求高质量的条件下，把长视频训练做得更稳、更省、更可复用。
AI / Technology / 中文
用统一分类法梳理世界模型：架构、方法、推理与应用
这篇综述要解决的不是“某一个模型做得多好”，而是“世界模型这个领域到底在讲什么、怎么分、怎么比、能用到哪里”。作者把分散在强化学习、机器人、自动驾驶、视频生成和科学建模里的工作放到同一张地图上，试图补上一个统一框架。
AI / Technology / 中文
二维 β-plane 上喷流—涡旋分解的全局良定性
这篇文章研究的是：在一个周期平面上，二维不可压流体如果带有“平均喷流”和“涡旋扰动”两部分，初值给定后，解会不会一直存在、会不会只有一个、会不会对初值的微小变化保持稳定。作者在 β-plane 近似下，把原始涡度方程改写成这两部分耦合的方程组，并证明在初值具有 (H^s) 正则性、(s\ge 0) 时，可以得到唯一的全局解。
AI / Technology / 中文
ISO：把 RLVR 训练改写成“固定谱、优化奇异帧”
这篇论文在问一个很具体的问题：强化学习式后训练（RLVR）到底是在改模型的哪一部分。作者发现，很多 RLVR 检查点和基座模型在“奇异值谱”上非常接近，真正承载变化的，更多是两侧的奇异帧（singular frames）。
AI / Technology / 中文
OpenAI Gym：把强化学习任务装进统一接口的基准工具包
这篇论文提出 OpenAI Gym，一个面向强化学习研究的工具包。它的核心想法很直接：把各种任务做成同一种“环境”接口，让研究者可以用相同方式接入、运行、记录和比较算法，而不必为每个任务重写一套对接代码。
AI / Technology / 中文
谱继承：把RLVR更新拆成“保留基谱、只学框架”
这篇工作研究的是一种很具体的后训练问题：在强化学习式的可验证奖励训练（RLVR）里，模型权重到底是怎么被改写的，以及能不能把“该保留什么”和“该学习什么”分开。作者的主张是，RLVR里很多检查点都接近基模型的固定谱家族，也就是奇异值结构几乎不变，但左右“框架”会继续适应。
AI / Technology / 中文
ATLAS：在不同环境里找出真正可迁移的潜在因素
论文：Yihong Gu、Katherine Liao、Tianxi Cai，Unveiling Invariant and Transferable Latent Factors Across Heterogeneous Environments via ATLAS，arXiv:2607.18209v1（2026-07-21）。本文仅把论文摘要中可核验的信息视为作者主张；由于当前源站未能提供可读取的 PDF 正文，未报告无法逐页核对的实验数字、数据集或基线。
AI / Technology / 中文
arxiv.org 论文解释
论文： Sharp Weitzenböck and PIC2 Estimates from Sectional-Scalar Curvature Pinching（Jian Ge，arXiv:2607.18216v1，2026-07-20） 一句话问题： 只知道每一点的最小截面曲率与平均曲率之间夹得够紧，能否推出流形的二阶拓扑消失，甚至逼近球形？ 一句话改变： 论文给出一个各维度都尖锐的二形式 Weitzenböck 点态估计，并把同一个四标架不等式重新缩放成尖锐的 PIC2 判据。
AI / Technology / 中文
智利重型交通的三条动力路线：柴油、纯电还是氢燃料电池？
论文：R. Leiva-Illanes、G. Amador、C. Herrera，Comparison of fuel cell electric vehicles, battery electric vehicles, and internal combustion engine vehicles to contribute to the energy transition in Chile，IOP Conference Series: Earth and Environmental Science 1500 (2025) 012072。开放获取，[论文原文](https://iop
AI / Technology / 中文
FourCastNet：使用自适应傅里叶神经算子的全球数据驱动高分辨率天气模型
原文标题： FourCastNet: A Global Data-driven High-resolution Weather Model using Adaptive Fourier Neural Operators · 作者： Jaideep Pathak 等 · 发表形式： arXiv 预印本（2022） · 论文： arXiv 2202.11214
AI / Technology / 中文
盘古气象：快速、准确的三维高分辨率全球天气预报模型
官方源标题： Pangu-Weather: A 3D High-Resolution Model for Fast and Accurate Global Weather Forecast · 作者： Kaifeng Bi、Lingxi Xie、Hengheng Zhang、Xin Chen、Xiaotao Gu、Qi Tian · 论文： arXiv:2211.02556（2022 年 11 月提交） · 阅读提示： 下文解释的是 arXiv 初版论文中的主张与实验，不代表今天的业务系
AI / Technology / 中文
GraphCast：学习高水平的全球中期天气预报
官方标题： GraphCast: Learning skillful medium-range global weather forecasting · 论文： Remi Lam 等，arXiv:2212.12794（v2，2023） · 研究领域： 全球中期天气预报 · 图神经网络 · 学习型模拟器 · 一句话定位： 它不是把天气图当普通图片处理，而是把全球大气放到球面多尺度图上，学习每隔 6 小时如何变化。
AI / Technology / 中文
扩散模型就是实时游戏引擎
官方原题： Diffusion Models Are Real-Time Game Engines · 作者： Dani Valevski、Yaniv Leviathan、Moab Arar、Shlomi Fruchter · 版本： arXiv:2408.14837v2，2025-04-24 修订；ICLR 2025 · 原文： arXiv 摘要 · HTML 全文
AI / Technology / 中文
用扩散模型构建世界模型：Atari 中的视觉细节很重要
原题： Diffusion for World Modeling: Visual Details Matter in Atari · 作者： Eloi Alonso、Adam Jelley、Vincent Micheli、Anssi Kanervisto、Amos Storkey、Tim Pearce、François Fleuret · 版本： arXiv:2405.12399v2，NeurIPS 2024 Spotlight · 来源： arXiv 摘要 · [论文全文](https
AI / Technology / 中文
UniSim：神经闭环传感器模拟器
官方标题： UniSim: A Neural Closed-Loop Sensor Simulator · 作者： Ze Yang、Yun Chen、Jingkang Wang、Sivabalan Manivasagam、Wei-Chiu Ma、Anqi Joyce Yang、Raquel Urtasun · 出处： CVPR 2023 Highlight；arXiv:2308.01898 · 一句话定位： 把一次真实道路采集变成可编辑的数字场景，让自动驾驶系统做出新动作后还能看到随
AI / Technology / 中文
GAIA-1：面向自动驾驶的生成式世界模型
官方标题： GAIA-1: A Generative World Model for Autonomous Driving · 作者： Anthony Hu、Lloyd Russell、Hudson Yeo、Zak Murez、George Fedoseev、Alex Kendall、Jamie Shotton、Gianluca Corrado · 来源： arXiv:2309.17080，2023 年 9 月 29 日提交，技术报告
AI / Technology / 中文
V-JEPA 2：自监督视频模型让理解、预测与规划成为可能
官方原题： V-JEPA 2: Self-Supervised Video Models Enable Understanding, Prediction and Planning · 作者： Mahmoud Assran 等｜发布日期： 2025 年 6 月 11 日｜论文： arXiv:2506.09985｜领域： 视频理解、世界模型、机器人规划
AI / Technology / 中文
Genie：生成式可交互环境
官方原题： Genie: Generative Interactive Environments · 作者： Jake Bruce、Michael Dennis、Ashley Edwards、Jack Parker-Holder 等 25 人（Google DeepMind） · 论文： arXiv:2402.15391 · 2024 年 2 月 23 日提交 · 研究类型： 生成式世界模型 · 视频建模 · 无监督动作学习
AI / Technology / 中文
TD-MPC2：面向连续控制的可扩展、稳健世界模型
官方标题： TD-MPC2: Scalable, Robust World Models for Continuous Control · 作者： Nicklas Hansen、Hao Su、Xiaolong Wang · 发表： ICLR 2024；arXiv:2310.16828（v2，2024-03-21） · 主来源： arXiv 摘要页 · 论文 PDF
AI / Technology / 中文
面向模型预测控制的时序差分学习
官方题名： Temporal Difference Learning for Model Predictive Control · 作者： Nicklas Hansen、Xiaolong Wang、Hao Su · 论文： arXiv:2203.04955 · ICML 2022 · arXiv v2（2022-07-19） · 领域： 强化学习、连续控制、机器人
AI / Technology / 中文
学会一个模型，靠规划掌握 Atari、围棋、国际象棋与将棋
论文信息 · 官方标题：Mastering Atari, Go, Chess and Shogi by Planning with a Learned Model · 作者：Julian Schrittwieser 等｜arXiv:1911.08265｜2019（后续修订） · 主来源：arXiv 摘要 · 论文 PDF
AI / Technology / 中文
用世界模型掌握不同领域
官方题名：Mastering Diverse Domains through World Models > Danijar Hafner、Jurgis Pasukonis、Jimmy Ba、Timothy Lillicrap · arXiv:2301.04104v2 · 2024-04-17 · 主来源：arXiv 摘要页 · 论文全文
AI / Technology / 中文
用离散世界模型掌握 Atari
官方源标题： Mastering Atari with Discrete World Models · 作者： Danijar Hafner、Timothy Lillicrap、Mohammad Norouzi、Jimmy Ba · 发表： ICLR 2021；arXiv:2010.02193（v4，2022-02-12） · 主来源： arXiv 摘要与论文正文
AI / Technology / 中文
梦想控制：通过潜在想象学习行为
官方题名： Dream to Control: Learning Behaviors by Latent Imagination · 作者： Danijar Hafner、Timothy Lillicrap、Jimmy Ba、Mohammad Norouzi · 论文： arXiv:1912.01603，ICLR 2020
AI / Technology / 中文
从像素学习潜在动力学并用于规划
论文原题： Learning Latent Dynamics for Planning from Pixels · 作者： Danijar Hafner、Timothy Lillicrap、Ian Fischer、Ruben Villegas、David Ha、Honglak Lee、James Davidson · 版本： arXiv:1811.04551v5（2019-06-04） · 论文主页 · PDF
AI / Technology / 中文
世界模型
官方源标题： World Models · 作者： David Ha、Jürgen Schmidhuber · 时间： 2018 年 3 月 27 日（arXiv 首次提交） · 论文： arXiv:1803.10122 ｜ 作者交互版全文
AI / Technology / 中文
Sora 2 系统卡：能力、风险与分层防护
官方来源标题： Sora 2 System Card · 发布方： OpenAI · 日期： 2025 年 9 月 30 日 · 篇幅： 7 页 · 原始资料： 官方 PDF · 阅读定位： 这是一份系统安全说明，不是披露模型架构与完整能力基准的技术论文。
AI / Technology / 中文
大模型批评者帮助找出大模型的错误
官方来源标题： LLM Critics Help Catch LLM Bugs · 作者： Nat McAleese、Rai (Michael Pokorny)、Juan Felipe Cerón Uribe、Evgenia Nitishinskaya、Maja Trębacz、Jan Leike · 来源： arXiv:2407.00215 · 2024-06-28
AI / Technology / 中文
弱到强泛化：用弱监督唤出强模型的能力
官方原题： Weak-to-Strong Generalization: Eliciting Strong Capabilities With Weak Supervision · 作者： Collin Burns、Pavel Izmailov、Jan Hendrik Kirchner 等｜发布： 2023-12-14｜来源： arXiv:2312.09390
AI / Technology / 中文
从人类反馈中学习摘要
官方题名： Learning to summarize from human feedback · 作者： Nisan Stiennon、Long Ouyang、Jeff Wu、Daniel M. Ziegler、Ryan Lowe、Chelsea Voss、Alec Radford、Dario Amodei、Paul Christiano · 发表： NeurIPS 2020 · arXiv:2009.01325 · [会议论文 PDF](https://proceedings.neurips
AI / Technology / 中文
WebGPT：借助浏览器与人类反馈回答问题
官方标题： WebGPT: Browser-assisted question-answering with human feedback · 作者： Reiichiro Nakano 等 · 版本： arXiv:2112.09332v3（2022-06-01） · 论文： https://arxiv.org/abs/2112.09332
AI / Technology / 中文
Jukebox：一个音乐生成模型
官方标题： Jukebox: A Generative Model for Music · 作者： Prafulla Dhariwal、Heewoo Jun、Christine Payne、Jong Wook Kim、Alec Radford、Ilya Sutskever · 来源： arXiv:2005.00341，2020 年 4 月 30 日提交
AI / Technology / 中文
一致性模型：一步生成，也保留多步改进的余地
官方标题： Consistency Models · 作者： Yang Song、Prafulla Dhariwal、Mark Chen、Ilya Sutskever · 发表： ICML 2023 · arXiv:2303.01469 · 论文正文（PMLR）
AI / Technology / 中文
改进的去噪扩散概率模型
原文标题： Improved Denoising Diffusion Probabilistic Models · 作者： Alex Nichol、Prafulla Dhariwal · 发表： ICML 2021（PMLR 139） · 论文： arXiv:2102.09672 · PMLR 正文
AI / Technology / 中文
扩散模型如何在图像生成上击败 GAN
官方标题：Diffusion Models Beat GANs on Image Synthesis · 作者：Prafulla Dhariwal、Alex Nichol｜arXiv: 2105.05233｜首次提交：2021-05-11｜版本：v4
AI / Technology / 中文
Shap‑E：生成条件三维隐式函数
官方标题： Shap-E: Generating Conditional 3D Implicit Functions · 作者： Heewoo Jun、Alex Nichol · 发布： 2023 年 5 月 3 日 · 论文： arXiv:2305.02463
AI / Technology / 中文
Point‑E：从复杂文字提示生成三维点云的系统
官方标题： Point-E: A System for Generating 3D Point Clouds from Complex Prompts · 作者： Alex Nichol、Heewoo Jun、Prafulla Dhariwal、Pamela Mishkin、Mark Chen · 来源： arXiv:2212.08751 · 2022 年 12 月 16 日提交 · cs.CV / cs.LG
AI / Technology / 中文
GLIDE：迈向由文字引导扩散模型生成与编辑照片级图像
官方题名： GLIDE: Towards Photorealistic Image Generation and Editing with Text-Guided Diffusion Models · 作者： Alex Nichol、Prafulla Dhariwal、Aditya Ramesh、Pranav Shyam、Pamela Mishkin、Bob McGrew、Ilya Sutskever、Mark Chen · 来源： arXiv:2112.10741，v3，2022-03-0
AI / Technology / 中文
用 CLIP 潜变量分层生成文字条件图像
官方标题：Hierarchical Text-Conditional Image Generation with CLIP Latents · 作者：Aditya Ramesh、Prafulla Dhariwal、Alex Nichol、Casey Chu、Mark Chen · 发表时间：2022 年 4 月 · arXiv:2204.06125
AI / Technology / 中文
GPT-4o 系统卡：一个模型同时处理文字、图像与声音
官方源标题： GPT-4o System Card · 作者： OpenAI（2024） · 主来源： arXiv:2410.21276 · 论文全文 · 阅读定位： 这是一份系统卡。它重点说明模型能力、风险评测与部署护栏，并没有公开足以复现模型的完整架构和训练配方。
AI / Technology / 中文
GPT-4 技术报告：能力跃迁之后，边界仍在哪里？
官方标题： GPT-4 Technical Report · 作者： OpenAI 等｜版本： arXiv v6（2024-03-04）｜论文： arXiv:2303.08774 · 一句话定位： 这份报告展示了 GPT-4 的多模态能力、可预测扩展方法与安全缓解措施，同时明确提醒：更高的考试分数并不等于稳定、透明或无风险。
AI / Technology / 中文
DeepSeek-R1：用强化学习激发大语言模型的推理能力
官方英文标题： DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning · 作者： DeepSeek-AI | 论文： arXiv:2501.12948 | 版本： v2（2026-01-04）
AI / Technology / 中文
DeepSeek-V3 技术报告
官方源标题：DeepSeek-V3 Technical Report · 作者：DeepSeek-AI｜版本：arXiv v2，2025-02-18｜论文：arXiv:2412.19437
AI / Technology / 中文
DeepSeek-V2：强大、经济且高效的混合专家语言模型
官方源标题： DeepSeek-V2: A Strong, Economical, and Efficient Mixture-of-Experts Language Model · 作者： DeepSeek-AI · 版本： arXiv v5，2024-06-19 · 论文： arXiv:2405.04434
AI / Technology / 中文
DeepSeekMath：把开放数学推理模型推向新上限
官方标题： DeepSeekMath: Pushing the Limits of Mathematical Reasoning in Open Language Models · 作者： Zhihong Shao 等｜版本： arXiv v3，2024-04-27｜论文： arXiv:2402.03300
AI / Technology / 中文
DeepSeek-Coder：当大语言模型遇上编程——代码智能的崛起
论文原题： DeepSeek-Coder: When the Large Language Model Meets Programming -- The Rise of Code Intelligence · 作者： Daya Guo 等 · 版本： arXiv:2401.14196v2，2024-01-26 · 主来源： arXiv 摘要 · 论文 PDF
AI / Technology / 中文
DeepSeek LLM：以长期主义扩展开源语言模型
官方原题： DeepSeek LLM: Scaling Open-Source Language Models with Longtermism · 作者： DeepSeek-AI（Xiao Bi 等） · 提交日期： 2024-01-05 · 论文： arXiv:2401.02954 · 一句话定位： 先用小规模实验估算怎样分配训练算力，再据此训练 7B 与 67B 中英双语模型。
AI / Technology / 中文
EgoEdit：让第一人称视频编辑从“整段等待”走向“边拍边看”
论文：Runjia Li 等，EgoEdit: Dataset, Real-Time Streaming Model, and Benchmark for Egocentric Video Editing，CVPR 2026。 · 阅读提示：文中的“实时”是作者在单张 H100 GPU、512×384 分辨率等特定条件下测得的系统表现，不等于已在消费级 AR 眼镜上验证。
AI / Technology / 中文
阈值差分注意力：实现无注意力沉降、超稀疏且非弥散的语言建模
论文：Xingyue Huang 等，Threshold Differential Attention for Sink-Free, Ultra-Sparse, and Non-Dispersive Language Modeling，arXiv:2601.12145v2，2026-04-16。本文只解释 v2；论文目前的 arXiv 页面已有更新版本。原文：PDF · HTML
AI / Technology / 中文
arXiv 2211.01426 技术解释
论文： Reciprocity, Homophily, and Social Network Effects in Pictorial Communication: A Case Study of Bitmoji Stickers（CHI 2023） 研究对象： Snapchat 上的 Bitmoji 贴纸使用元数据；不分析消息、图片、视频或贴纸内容。
AI / Technology / 中文
直接偏好优化：你的语言模型其实就是奖励模型
官方原题： Direct Preference Optimization: Your Language Model is Secretly a Reward Model · 作者： Rafael Rafailov、Archit Sharma、Eric Mitchell、Stefano Ermon、Christopher D. Manning、Chelsea Finn · 发表： NeurIPS 2023；本文依据 arXiv v3（2024-07-29） · 一手来源： [arXiv 摘要页](https://arxiv.org/abs/2305.182
AI / Technology / 中文
大规模弱监督带来的鲁棒语音识别
官方标题： Robust Speech Recognition via Large-Scale Weak Supervision · 作者： Alec Radford、Jong Wook Kim、Tao Xu、Greg Brockman、Christine McLeavey、Ilya Sutskever · 来源： arXiv:2212.04356，2022 年 12 月 6 日提交
AI / Technology / 中文
零样本文本到图像生成
官方源标题： Zero-Shot Text-to-Image Generation · 作者： Aditya Ramesh、Mikhail Pavlov、Gabriel Goh、Scott Gray、Chelsea Voss、Alec Radford、Mark Chen、Ilya Sutskever · 版本： arXiv:2102.12092v2，2021-02-26｜摘要页｜论文 PDF
AI / Technology / 中文
用 Transformer 实现端到端目标检测
原始标题： End-to-End Object Detection with Transformers · 作者： Nicolas Carion、Francisco Massa、Gabriel Synnaeve、Nicolas Usunier、Alexander Kirillov、Sergey Zagoruyko · 来源： arXiv:2005.12872（v3，2020-05-28） · 阅读范围： 论文正文与附录；以下数字均来自论文报告的 COCO 2017 实验。
AI / Technology / 中文
用神经辐射场表示场景以合成新视角
论文原题： NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis · 作者： Ben Mildenhall、Pratul P. Srinivasan、Matthew Tancik、Jonathan T. Barron、Ravi Ramamoorthi、Ren Ng · 来源： arXiv:2003.08934，2020 年 3 月提交 · 阅读提示： 下文的实验数字和结论均来自论文；面向产品的判断
AI / Technology / 中文
用统一的文本到文本 Transformer 探索迁移学习的极限
官方原题：Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer · 作者：Colin Raffel, Noam Shazeer, Adam Roberts, Katherine Lee, Sharan Narang, Michael Matena, Yanqi Zhou, Wei Li, Peter J. Liu · 出版：JMLR 21(140):1–67, 2020；arXiv:1910.10683 · 一手来源：[JMLR 论文页](htt
AI / Technology / 中文
语言模型是无监督的多任务学习者
官方题名： Language Models are Unsupervised Multitask Learners · 作者： Alec Radford、Jeffrey Wu、Rewon Child、David Luan、Dario Amodei、Ilya Sutskever · 发布机构与年份： OpenAI，2019 · 主源： [论文 PDF（24 页）](https://cdn.openai.com/better-language-models/languagemodelsareunsupervisedmultitasklearners
AI / Technology / 中文
通过生成式预训练提升语言理解
官方标题： Improving Language Understanding by Generative Pre-Training · 作者： Alec Radford、Karthik Narasimhan、Tim Salimans、Ilya Sutskever（OpenAI） · 来源： 论文 PDF · 预印本 / 进行中的工作 · 12 页
AI / Technology / 中文
深度上下文化词表示
官方源标题： Deep contextualized word representations · 作者： Matthew E. Peters、Mark Neumann、Mohit Iyyer、Matt Gardner、Christopher Clark、Kenton Lee、Luke Zettlemoyer · 论文： arXiv:1802.05365，NAACL 2018；本文依据 arXiv v2（2018-03-22） · 一句话： ELMo 不再给每个词发一张永久不变的“身份证
AI / Technology / 中文
AlphaZero：用通用强化学习算法通过自我对弈掌握国际象棋与将棋
官方原题： Mastering Chess and Shogi by Self-Play with a General Reinforcement Learning Algorithm · 作者： David Silver、Thomas Hubert、Julian Schrittwieser 等｜DeepMind｜2017 · 主源： arXiv:1712.01815｜论文 PDF
AI / Technology / 中文
近端策略优化算法
官方标题： Proximal Policy Optimization Algorithms · 作者： John Schulman、Filip Wolski、Prafulla Dhariwal、Alec Radford、Oleg Klimov · 来源： arXiv:1707.06347v2，2017-08-28 修订，12 页
AI / Technology / 中文
你只看一次：统一、实时的目标检测
原论文标题： You Only Look Once: Unified, Real-Time Object Detection · 作者： Joseph Redmon、Santosh Divvala、Ross Girshick、Ali Farhadi · 版本： arXiv:1506.02640v5，2016-05-09 · 主来源： arXiv 摘要页 · 论文 PDF
AI / Technology / 中文
批归一化：通过减少内部协变量偏移加速深度网络训练
官方标题： Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift · 作者： Sergey Ioffe、Christian Szegedy · 年份： 2015 · 来源： arXiv:1502.03167（v3）
AI / Technology / 中文
Adam：一种随机优化方法
官方原题： Adam: A Method for Stochastic Optimization · 作者： Diederik P. Kingma、Jimmy Ba · 发表： ICLR 2015 · 版本： arXiv v9（2017-01-30） · 主来源： arXiv:1412.6980 · 论文 PDF
AI / Technology / 中文
神经机器翻译：联合学习对齐与翻译
官方标题： Neural Machine Translation by Jointly Learning to Align and Translate · 作者： Dzmitry Bahdanau、Kyunghyun Cho、Yoshua Bengio · 来源： arXiv:1409.0473（2014 年 9 月提交；论文正文修订版标注为 2016 年 5 月） · 任务： WMT 2014 英语→法语新闻翻译
AI / Technology / 中文
用神经网络进行序列到序列学习
原文标题： Sequence to Sequence Learning with Neural Networks · 作者： Ilya Sutskever、Oriol Vinyals、Quoc V. Le · 版本： arXiv v3（2014-12-14） · 原文： arXiv 摘要页 · 论文 PDF
AI / Technology / 中文
在向量空间中高效估计词表示
官方源标题： Efficient Estimation of Word Representations in Vector Space · 作者： Tomas Mikolov、Kai Chen、Greg Corrado、Jeffrey Dean · 来源： arXiv:1301.3781v3（2013-09-07 修订）｜论文 PDF · 阅读定位： 这是一篇 2013 年论文的原始贡献解读，不是对今天所有词向量方法
AI / Technology / 中文
用深度强化学习玩 Atari
原始标题： Playing Atari with Deep Reinforcement Learning · 作者： Volodymyr Mnih、Koray Kavukcuoglu、David Silver、Alex Graves、Ioannis Antonoglou、Daan Wierstra、Martin Riedmiller · 发表信息： 2013 年 12 月 19 日提交，NIPS Deep Learning Workshop 2013 · 主来源： [arXiv:1312.5602](https://arxiv.org/abs/1312.
AI / Technology / 中文
AlexNet：当深度学习第一次在大规模图像识别上拉开差距
论文：Alex Krizhevsky、Ilya Sutskever、Geoffrey E. Hinton，ImageNet Classification with Deep Convolutional Neural Networks，NIPS 2012。本文以论文 PDF为主要依据；页码均指 PDF 印刷页。
AI / Technology / 中文
让模型不只“看图说话”：LLaVA 与视觉指令微调
论文：Haotian Liu 等，Visual Instruction Tuning，NeurIPS 2023 Oral，arXiv v2（2023-12-11）。摘要页 · 论文 PDF
AI / Technology / 中文
一次点击，为什么能“抠出”几乎任何东西？
论文：Alexander Kirillov 等，Segment Anything（2023） · 原文：arXiv 摘要页 · PDF
AI / Technology / 中文
ReAct：把“想”与“做”交替起来的语言模型方法
这篇论文研究一个直白问题：大语言模型不只要会回答，还要会查证据、做决定、并在环境里执行动作。作者发现，单靠链式思维容易幻觉和错误传播，单靠动作又缺少抽象推理和计划能力。
AI / Technology / 中文
Chinchilla：在固定算力下，模型不一定越大越好
论文：Jordan Hoffmann 等，Training Compute-Optimal Large Language Models，2022。 · 原文：arXiv 摘要页 · PDF
AI / Technology / 中文
让语言模型更听懂“你想要什么”：InstructGPT 与 RLHF
论文：Long Ouyang 等，Training language models to follow instructions with human feedback，2022（arXiv:2203.02155）
AI / Technology / 中文
把扩散模型搬进“潜空间”：高分辨率图像生成如何少做无用功
论文：Robin Rombach 等，High-Resolution Image Synthesis with Latent Diffusion Models，CVPR 2022（arXiv v2，2022-04-13）。论文摘要与元数据 · 全文 HTML
AI / Technology / 中文
LoRA：给大模型的改动装进“小插件”
论文：Edward J. Hu 等，LoRA: Low-Rank Adaptation of Large Language Models，arXiv v2（2021）。摘要页 · 论文 PDF
AI / Technology / 中文
CLIP：把图片分类改写成“图文配对”
论文：Alec Radford 等，Learning Transferable Visual Models From Natural Language Supervision（2021） · 一句话问题：视觉模型怎样摆脱预先固定的标签表，在没有下游训练样本时也能按自然语言识别图片？
AI / Technology / 中文
把图片当成一串“词”：Vision Transformer 为什么成立
论文：Alexey Dosovitskiy 等，An Image is Worth 16×16 Words: Transformers for Image Recognition at Scale，ICLR 2021，arXiv v2。 · 原文：摘要页 · PDF
AI / Technology / 中文
扩散概率模型：把图像生成拆成很多个小去噪步骤
论文：Jonathan Ho、Ajay Jain、Pieter Abbeel，Denoising Diffusion Probabilistic Models（2020） · 一句话问题：能否不用生成器与判别器对抗，而是从随机噪声出发，靠许多次容易学习的小修正生成高质量图像？
AI / Technology / 中文
RAG：让语言模型先查资料，再组织答案
论文：Patrick Lewis 等，Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks，NeurIPS 2020；本文依据 arXiv v4 与其全文整理。
AI / Technology / 中文
GPT-3：把“教会模型”改成“在提示里示范”
论文：Tom B. Brown 等，Language Models are Few-Shot Learners，2020（arXiv v4） · 阅读定位：这篇论文证明的是一种有潜力但不稳定的新使用范式，不是“通用智能已经解决”。
AI / Technology / 中文
语言模型的“规模定律”：把训练当成一项可预测的预算工程
论文：Jared Kaplan 等，Scaling Laws for Neural Language Models（2020） · 原文：arXiv 摘要页 · PDF · 阅读提示：这是一项关于 Transformer 语言模型交叉熵损失 的经验研究，不是对通用能力、安全性或产品价值的直接证明。
AI / Technology / 中文
BERT：让同一个语言模型同时看见词的左边与右边
Jacob Devlin、Ming-Wei Chang、Kenton Lee、Kristina Toutanova，2018（arXiv v2，2019）。原论文：摘要页 · PDF
AI / Technology / 中文
GAN：让“造假者”和“鉴别者”一起学会生成
论文：Ian J. Goodfellow 等，Generative Adversarial Nets（2014） · 原文：arXiv:1406.2661
AI / Technology / 中文
VAE 的关键一步：让随机采样也能反向传播
论文：Diederik P. Kingma、Max Welling，Auto-Encoding Variational Bayes（arXiv:1312.6114，v11） · 原文：摘要页 · 全文 · 阅读提示：本文区分“论文报告的结果”和“面向实践的解释”；后者不会冒充作者结论。
AI / Technology / 中文
思维链提示：不是让模型变聪明，而是让它先把路走出来
重读 Wei 等人的《Chain-of-Thought Prompting Elicits Reasoning in Large Language Models》：一项简单的提示格式改动，为什么会在足够大的语言模型上释放多步推理能力？它又没有证明什么？
AI / Technology / 中文
ResNet：真正的突破不是“更深”，而是让深度变得可优化
图 0：ResNet 的核心不是无条件堆叠更多层，而是用恒等捷径为深层网络保留一条稳定的信息通路。
AI / NLP / Architecture / 中文
Transformer 原论文重读：它真正消除的不是顺序，而是训练中的递归依赖
重新回到 Attention Is All You Need 的原始证据，解释 Transformer 如何把序列中的递归计算改写为可并行的全局关系，同时保留位置、因果和自回归生成。
AI / Animation / Robotics / 中文
MotionBricks：把实时角色动作从“手工接线”变成“关键帧生成”
论文：Tingwu Wang、Olivier Dionne 等，MotionBricks: Scalable Real-Time Motions with Modular Latent Generative Model and Smart Primitives，arXiv:2604.24833v1，2026-04-27。论文标注为 CC BY 4.0；本文三幅图均为重新创作的教学示意图，不是论文图的复制。论文页 · DOI
FAQ
关于 AI 论文图解的常见问题
怎么找到或提交一篇论文？
可以搜索论文标题，也可以粘贴 arXiv、论文页面或公开 PDF 链接；登录后还能直接上传公开论文 PDF。已有报告会直接打开，没有对应语言版本时可以生成新解读。
目前支持哪些语言？
公开报告主要提供中文、英文和日文版本；生成流程也支持西班牙语。每种语言使用独立页面，方便读者和搜索引擎找到正确版本。