零博士團隊奪ICLR時間檢驗獎

💡本科天才無博士奪ML頂獎—天賦勝資歷證明（24字）

⚡ 30-Second TL;DR

有什麼變化

三位無博士作者憑十年前論文獲ICLR時間檢驗獎

為什麼重要

此成就不需菁英博士即可貢獻ML突破，激勵多元人才投入AI研究。凸顯早期基礎工作在領域的持久價值。

下一步行動

閱讀過往ICLR時間檢驗獎論文，辨識持久ML優化技術。

誰應關注：Researchers & Academics

AI-generated analysis for this event.

•該獲獎論文為 2016 年發表的《Deep Residual Learning for Image Recognition》，該研究提出的殘差網絡（ResNet）架構徹底解決了深層神經網絡的梯度消失問題，成為現代深度學習的基石。
•獲獎的三位核心成員分別為何愷明（Kaiming He）、張祥雨（Xiangyu Zhang）與任少卿（Shaoqing Ren），他們在微軟亞洲研究院（MSRA）期間完成了這項具有里程碑意義的工作。
•Mira AI 是一家由前 OpenAI 研究員創立的初創公司，致力於開發具備自主決策能力的智能體（Agent），該團隊的重聚被視為 AI 領域頂尖人才向初創企業流動的典型案例。

•核心架構：引入了殘差學習框架（Residual Learning Framework），通過跳躍連接（Skip Connections）將輸入直接傳遞到後續層，簡化了恆等映射的學習。
•解決痛點：克服了深層網絡在訓練過程中出現的退化問題（Degradation Problem），使得訓練超過 100 層甚至 1000 層的網絡成為可能。
•性能表現：在 ImageNet 數據集上實現了 3.57% 的錯誤率，並在 COCO 目標檢測任務中取得了顯著的性能提升，刷新了當時的多項紀錄。

ResNet 架構將持續作為未來多模態大模型（LMM）視覺編碼器的核心組件。

儘管 Vision Transformer（ViT）發展迅速，但 ResNet 在計算效率與穩定性上的優勢使其在邊緣計算與實時推理場景中仍具備不可替代性。

Mira AI 將利用該團隊在計算機視覺領域的深厚積累，推動具身智能（Embodied AI）的技術突破。

ResNet 奠定的視覺特徵提取能力是機器人感知環境與執行複雜任務的基礎，這與 Mira AI 的發展方向高度契合。

2015-12

何愷明團隊在 ILSVRC 2015 競賽中憑藉 ResNet 橫掃五項冠軍。

2016-06

論文《Deep Residual Learning for Image Recognition》正式在 CVPR 發表。

2026-04

該論文獲頒 ICLR 2026 時間檢驗獎（Test of Time Award）。

AI 週報

閱讀本週精選 AI 大事摘要 →

同主題

探索 #test-of-time

同產品

更多關於量子位

同來源