标题：十年之约：ResNet斩获CVPR时间检验奖，残差网络如何改写AI历史
摘要：阶跃星辰首席科学家张祥雨合著论文ResNet获CVPR 2026时间检验奖，该奖表彰过去十年对计算机视觉产生深远影响的经典工作。本文追溯ResNet的诞生背景、核心创新与行业影响，并探讨这一里程碑对当下AI研究方向的启示。

ResNet 获得 CVPR 2026 时间检验奖（Test of Time Award），这是对一篇论文及其团队十年贡献的行业最高认可之一。该奖项由 IEEE 计算机视觉与模式识别会议（CVPR）颁发，专门授予发表十年后仍具显著影响力的论文。阶跃星辰首席科学家张祥雨作为合著者参与的这一工作，如今与“时间检验”标签绑定，不仅是个别研究者的荣誉，更是一段技术演进史的浓缩印记。

2015年，ResNet（深度残差网络）的提出直接回应了深度学习领域一个核心困境：网络深度增加反而导致训练误差上升。当时学界普遍认为更深的网络能提取更抽象的特征，但退化（degradation）问题让梯度无法有效传播。何恺明、张祥宇等研究者引入“恒等快捷连接”（identity shortcut connection），让输出保持为输入与残差映射之和，梯度得以无损回流。这一看似简单的设计，使网络深度突破至152层甚至更深，并在ImageNet竞赛中将错误率降至3.57%，超越人类水平。此后，ResNet成为计算机视觉、自然语言处理乃至强化学习的基座架构，其设计思想渗透至Transformer、Diffusion Model等当代主流模型——例如残差连接如今已是所有深度学习框架的标配。

时间检验奖的授予，不只是对历史贡献的回望，更暗含对当下技术路线的判断。在Transformer统治力日益膨胀的2026年，ResNet的获奖提醒我们：架构层面的简洁性与通用性，往往比刻意追求“新范式”更具长期价值。残差连接本质上是一种梯度运动的“高速公路”，它解决了训练极深网络的稳定性问题，而这种思想正被最新的注意力机制、状态空间模型（如Mamba）以不同形式继承。阶跃星辰作为国内AI公司，其首席科学家在此领域的声望，也折射出企业研发从“追热点”转向“深耕基础创新”的趋势——毕竟，能在顶级会议时间跨度十年后依然被引用的工作，才是真正的技术壁垒。

对从业者而言，ResNet获此奖项的启示至少有两点。第一，好的研究不必追求“惊世骇俗”。ResNet的改进在数学上极简（仅一行加法运算），但问题定义精准（深度退化），实验设计扎实（消融研究、泛化测试），这种“朴素但深刻”的方法论仍适用于当前AI难题（如长序列建模、多模态对齐）。第二，学术荣誉的价值最终要回归产业落地。ResNet从论文发表到被部署在云端、手机、自动驾驶芯片，仅用了不到五年——时间检验奖的“检验”，或许正是一个信号：基础研究的回报周期远比人们想象得更长，也远比短期热点更扎实。

CVPR 2026 时间检验奖的名单上还有更多经典工作，但 ResNet 的名字注定最难被绕过。它不仅是技术史上的一个坐标，更是当前一切 AI 架构赖以立足的“地基”之一。当张祥雨再度站上颁奖台，他代表的不只是阶跃星辰，更是一个“残差十年”的效率革命。