| — | 公开职务与个人简介 | Yoshua Bengio — Official Homepage（在新窗口打开）Yoshua Bengio | 官方 | 部分原话 | 原始稿 | ①⑦ | — |
| 2019-03-27 | 2018 ACM A.M. Turing Award | Fathers of the Deep Learning Revolution Receive ACM A.M. Turing Award（在新窗口打开）Association for Computing Machinery | 官方 | 非本人原话 | 原始稿 | ①⑦ | — |
| 1994-03-31 | 循环网络长期依赖 | Learning long-term dependencies with gradient descent is difficult（在新窗口打开）IEEE | 官方 | 部分原话 | 原始稿 | 总览①②⑦⑧ | — |
| — | 神经语言模型与分布式表示 | A Neural Probabilistic Language Model（在新窗口打开）Journal of Machine Learning Research | 官方 | 部分原话 | 原始稿 | 总览①②⑧ | — |
| 2014-09-01 | 神经机器翻译与软注意力 | Neural Machine Translation by Jointly Learning to Align and Translate（在新窗口打开）arXiv | 官方 | 部分原话 | 原始稿 | 总览①②⑤⑦⑧ | — |
| 2014-06-10 | 生成对抗网络 | Generative Adversarial Nets（在新窗口打开）arXiv | 官方 | 部分原话 | 原始稿 | 总览①②⑦⑧ | — |
| 2017-09-25 | 意识先验与低维选择 | The Consciousness Prior（在新窗口打开）arXiv | 官方 | 本人原话 | 原始稿 | 总览①②③⑧ | — |
| 2021-11-17 | GFlowNet 理论基础 | GFlowNet Foundations（在新窗口打开）arXiv | 官方 | 部分原话 | 原始稿 | 总览①②⑤⑦⑧ | — |
| 2023-05-22 | rogue AI 风险路径 | How Rogue AIs may Arise（在新窗口打开）Yoshua Bengio | 官方 | 本人原话 | 原始稿 | 总览①③④ | — |
| 2025-02-21 | Scientist AI 架构与风险论证 | Superintelligent Agents Pose Catastrophic Risks: Can Scientist AI Offer a Safer Path?（在新窗口打开）arXiv | 官方 | 部分原话 | 原始稿 | 总览①③④⑤⑦⑧ | — |
| 2025-07-21 | 概率安全界与运行时护栏 | Can a Bayesian Oracle Prevent Harm from an Agent?（在新窗口打开）Proceedings of Machine Learning Research | 官方 | 本人原话 | 原始稿 | 总览①③④⑤⑦⑧ | — |
| 2025-06-03 | LawZero 成立与研究使命 | Introducing LawZero（在新窗口打开）Yoshua Bengio | 官方 | 本人原话 | 原始稿 | 总览①④⑦ | — |
| 2026-02-03 | 通用 AI 能力、风险与风险管理 | International AI Safety Report 2026（在新窗口打开）International AI Safety Report | 官方 | 部分原话 | 原始稿 | ①④⑤⑦⑧ | — |
| — | Scientist AI 设计原则 | The Scientist AI: Safe by Design, by Not Desiring（在新窗口打开）LawZero | 官方 | 部分原话 | 原始稿 | 总览①③④⑤⑥⑦⑧ | — |
| 2026-05-07 | Scientist AI 可扩展性与 agentic 扩展 | Yoshua Bengio thinks he knows how to build safe superintelligence（在新窗口打开）80,000 Hours | 一手采访 | 本人原话 | 原始稿 | ①③④⑤⑥⑦ | — |
| 2025-12-18 | AI 风险、就业与人文关怀 | Creator of AI: We Have 2 Years Before Everything Changes!（在新窗口打开）The Diary of a CEO | 一手采访 | 本人原话 | 原始稿 | — | 视频请求超时，未取得可读页面、官方文字稿或四条中文说法的可核对时间点，暂不采用。 |
| 2006-12-01 | 逐层贪心预训练 | Greedy Layer-Wise Training of Deep Networks（在新窗口打开）NeurIPS Proceedings | 官方 | 部分原话 | 原始稿 | 总览①②⑦⑧ | — |
| — | 去噪自编码器 | Extracting and Composing Robust Features with Denoising Autoencoders（在新窗口打开）ICML 2008 | 官方 | 部分原话 | 原始稿 | 总览①②⑦⑧ | — |
| 2009-06-14 | 课程学习 | Curriculum Learning（在新窗口打开）ICML 2009 | 官方 | 部分原话 | 原始稿 | 总览①②⑦⑧ | — |
| — | 深度架构与表示学习 | Learning Deep Architectures for AI（在新窗口打开）Foundations and Trends in Machine Learning | 官方 | 本人原话 | 原始稿 | ①②⑦⑧ | — |
| 2010-05-13 | Xavier 初始化与深网可训练性 | Understanding the difficulty of training deep feedforward neural networks（在新窗口打开）Proceedings of Machine Learning Research | 官方 | 部分原话 | 原始稿 | 总览①②⑦ | — |
| — | 堆叠去噪自编码器 | Stacked Denoising Autoencoders（在新窗口打开）Journal of Machine Learning Research | 官方 | 部分原话 | 原始稿 | ①②⑦⑧ | — |
| 2012-06-24 | 分布式表示、流形与解耦 | Representation Learning: A Review and New Perspectives（在新窗口打开）arXiv | 官方 | 部分原话 | 原始稿 | ①②③⑦⑧ | — |
| 2014-06-03 | RNN Encoder–Decoder 与 GRU | Learning Phrase Representations using RNN Encoder–Decoder for Statistical Machine Translation（在新窗口打开）arXiv | 官方 | 部分原话 | 原始稿 | ①②⑦⑧ | — |
| 2015-05-27 | 深度学习共同技术纲领 | Deep learning（在新窗口打开）Nature | 官方 | 部分原话 | 原始稿 | ①②⑦ | — |
| — | 深度学习教材 | Deep Learning（在新窗口打开）MIT Press | 官方 | 部分原话 | 原始稿 | ①②⑦ | — |
| — | 负责任 AI | Montréal Declaration for a Responsible Development of Artificial Intelligence（在新窗口打开）Université de Montréal | 官方 | 部分原话 | 原始稿 | ①④⑦ | — |
| 2019-12-11 | System 1 到 System 2 | From System 1 Deep Learning to System 2 Deep Learning（在新窗口打开）NeurIPS | 官方 | 本人原话 | 原始稿 | ①③⑤⑦⑧ | — |
| 2020-11-30 | 高层认知的归纳偏置 | Inductive Biases for Deep Learning of Higher-Level Cognition（在新窗口打开）arXiv | 官方 | 部分原话 | 原始稿 | ①③ | — |
| 2021-02-22 | 因果表示与分布外泛化 | Towards Causal Representation Learning（在新窗口打开）arXiv | 官方 | 部分原话 | 原始稿 | 总览①③⑤⑦⑧ | — |
| 2021-06-08 | GFlowNet 原始框架与流匹配 | Flow Network based Generative Models for Non-Iterative Diverse Candidate Generation（在新窗口打开）arXiv | 官方 | 部分原话 | 原始稿 | ①②⑤⑦⑧ | — |
| 2022-01-31 | GFlowNet 轨迹平衡 | Trajectory balance: Improved credit assignment in GFlowNets（在新窗口打开）arXiv | 官方 | 部分原话 | 原始稿 | ①②⑤⑦⑧ | — |
| 2023-03-22 | 暂停前沿 AI 实验 | Pause Giant AI Experiments（在新窗口打开）Future of Life Institute | 官方 | 部分原话 | 原始稿 | ①④⑦ | — |
| — | AI 极端风险公共声明 | Statement on AI Extinction Risk（在新窗口打开）Center for AI Safety | 官方 | 部分原话 | 原始稿 | ①④⑦ | — |
| 2024-05-10 | 世界模型、安全规范与验证器 | Towards Guaranteed Safe AI: A Framework for Ensuring Robust and Reliable AI Systems（在新窗口打开）arXiv | 官方 | 部分原话 | 原始稿 | ①④⑤⑦⑧ | — |
| 2025-07-15 | CoT 忠实性与可解释性 | Chain-of-Thought Is Not Explainability（在新窗口打开）Oxford Martin School | 官方 | 部分原话 | 原始稿 | ①④⑤⑧ | — |
| — | 具有约束力的国际 AI 红线 | Global Call for AI Red Lines（在新窗口打开）Global Call for AI Red Lines | 官方 | 部分原话 | 原始稿 | ①④⑤⑦⑧ | — |
| — | 科学家外交与可核验治理 | International Dialogues on AI Safety（在新窗口打开）IDAIS | 官方 | 部分原话 | 原始稿 | ①④⑤⑦⑧ | — |
| 2026-06-28 | 诚实预测器与条件性安全界 | Safety from Honesty in a Disinterested AI Predictor（在新窗口打开）arXiv | 官方 | 部分原话 | 原始稿 | ①④⑤⑦⑧ | — |