十年了,他们回来了。ResNet和YOLO同时拿下CVPR最高荣誉,现场全场泪目

丹佛,科罗拉多州。当地时间6月5日,CVPR 2026开幕式现场,当大屏幕上出现那个熟悉的名字时,整个会场安静了几秒。

孙剑。

然后是掌声。很长的掌声。

有人红了眼眶。

这是CVPR 2026的Longuet-Higgins Prize,也就是时间检验奖,颁给发表十年、扛住了时间考验的论文。今年一口气给了两篇,都是2016年的神作。

一篇是ResNet,一篇是YOLO。

image

image

一个广东高考状元,改变了整个AI的走向

先说ResNet。

这篇论文的全名叫Deep Residual Learning for Image Recognition,2015年写完,2016年发在CVPR上。作者是四个人,何恺明、张祥雨、任少卿、孙剑。

当时的情况是这样的。深度学习正火,所有人都在拼命把网络往深了堆。但有个致命问题,网络越深,效果反而越差。20层不如14层,56层还不如20层。整个学界都懵了,这跟直觉完全相反啊。

image

image

何恺明的解法简单到让人怀疑人生。

他在每两层之间加了一条捷径,让信息可以直接跳过去。用学术的话叫残差连接,用大白话说就是,如果这一层没什么用,信息直接绕过去,别折腾了。

就这么一个小小的改动,152层的网络不但能训练,而且效果炸裂。在ImageNet比赛上直接碾压谷歌、英特尔、高通这些巨头,拿下第一。

十年过去了,这篇论文的引用量超过了32万次,是21世纪被引用最多的论文。你今天用的ChatGPT,里面的Transformer架构,到处都是残差连接。AlphaGo Zero有它,AlphaFold有它,几乎所有大模型都有它。

何恺明现在是MIT终身教授,同时兼任Google DeepMind杰出科学家。他的个人主页上写着,总引用量超过70万。

有意思的是,他当年是广东高考满分状元,清华本科,港中文博士。从广东到北京到香港再到西雅图,最后到了波士顿。这条线画出来,基本就是中国AI人才出海的典型路径。

一个叛逆的年轻人,让机器第一次只看一眼

再说YOLO。

image

image

YOLO的全称是You Only Look Once,只看一次。作者是Joseph Redmon、Santosh Divvala、Ross Girshick和Ali Farhadi。

2016年之前,目标检测的主流做法是R-CNN路线。先让算法在图上找出一堆可能有意思的区域,再逐个判断这些区域里是什么东西。两步走,慢,而且繁琐。

Redmon是个很有意思的人。他当时还是个研究生,性格有点叛逆,在个人网站上直接挂出了YOLO论文的所有审稿意见,包括那些骂他的。

有审稿人说,这论文novelty不够,跟之前的工作太像了。还有人说,把检测简化成49个格子的回归问题,这个思路本身就很丑陋。

但Redmon不在乎。

他的想法很粗暴,整张图扔进网络,直接输出哪里有什么。一步到位,端到端,不搞那些花里胡哨的两阶段流程。

在Titan X显卡上,YOLO跑到了45帧每秒。Fast版本更是155帧。这是第一次,目标检测真正做到了实时。

image

image

后来的故事大家都知道了。YOLO催生了SSD、RetinaNet,以及整个YOLO家族,从v1到v2到v3到v4到v5到v8到v9到v10到v11,到现在Ultralytics刚刚放出的YOLO26。十年了,这个家族还在不断更新,工业界部署目标检测,首选几乎还是YOLO。

这篇论文引用量接近8万次。

但Redmon本人后来选择了离开学术圈。他在2020年宣布停止AI研究,理由是对AI在军事领域的应用感到不安。一个创造了数十亿美元产业的人,说走就走了。

全场最动容的三分钟

回到丹佛的颁奖现场。

当主持人念出ResNet的获奖信息时,大屏幕上出现了四位作者的名字。何恺明、张祥雨、任少卿、孙剑。

孙剑的名字旁边,多了一行小字。

In Memoriam。

image

image

孙剑是旷视科技的前首席科学家,中国AI界的领军人物之一。2022年,他突然离世,年仅45岁。消息传出那天,整个中国AI圈都沉默了。

十年前,在微软亚洲研究院,他和何恺明、张祥雨、任少卿一起做出了ResNet。他是这篇论文的资深合作者,当时在MSRA担任研究员,是团队里资历最深的人之一。没有他的经验和判断,这篇改变AI历史的论文可能根本不会存在。

十年后,CVPR用最高荣誉告诉全世界,他们没有忘记孙剑。

现场有人拍下了这一幕发到X上,配文很短,就几个字,He is not forgotten。

这条推文下面的评论区,来自世界各地的AI研究者,用不同语言说着同一件事。

感谢你,Sun Jian。

16000篇投稿,中国作者断层第一

说完感性的,说点硬数据。

今年CVPR收到16092篇投稿,录用4071篇,录取率25.3%。比去年暴涨了23.71%。审稿人25149人,领域主席909人,全部刷新历史纪录。

作者来源地里,中国以23233人断层第一,几乎是第二名美国7556人的三倍。审稿人也是中国最多,10687人。

从获奖名单看,华人面孔更是无处不在。最佳论文D4RT的一作张楚晗是牛津VGG实验室博士毕业,导师是Andrew Zisserman。最佳学生论文TRELLIS.2是清华和微软的联合团队,全华人阵容。最佳学生论文提名ChordEdit来自广东工业大学,一作还是本科生。

image

image

说到ChordEdit,这个故事值得单独讲。

广东工业大学,惠州学院,深圳大学,北京大学。一个纯国内高校的联合团队,没有大厂资源,没有算力霸权。一作和通讯作者都是本科生,实验室里用的还是老款Titan显卡。

在这个人均4块A100、40GB显存起步的时代,他们靠的是纯粹的热爱和巧妙的思路。ChordEdit解决的是一步式文生图模型的编辑问题,不需要训练,不需要反演,一步就能完成高保真编辑。

这可能是今年CVPR最励志的故事。

十年检验奖,到底检验了什么

ResNet和YOLO同时拿到时间检验奖,这件事本身就很值得玩味。

两篇论文,一个解决了网络能不能更深的问题,一个解决了检测能不能更快的问题。一个来自微软亚洲研究院的精英团队,一个来自华盛顿大学的叛逆研究生。

但它们有一个共同点。

简单。

image

image

ResNet的核心思想,一条捷径连接,用最朴素的方式解决了梯度消失的世纪难题。YOLO的核心思想,整张图只看一次,用最粗暴的方式实现了实时检测。

没有花哨的数学推导,没有复杂的理论框架。就是最直觉的、最简单的、最直击本质的想法。

这可能是时间检验奖真正想告诉我们的东西。

在这个大模型时代,所有人都在追求更大、更复杂、更烧钱。但十年后回头看,真正改变世界的,往往是那些最简单的想法。

何恺明在MIT的个人主页上写了一句很朴素的话,他说自己最出名的工作是ResNet,而ResNet提出的残差连接,现在被用在了所有现代深度学习模型里。

没有炫耀,没有感慨。就那么一句话。

而Joseph Redmon,那个曾经让整个目标检测领域为之震动的人,早已离开了AI圈。他选择了自己的路,安静地消失在学术界的视线之外。

丹佛的颁奖典礼结束了。人群散去,下一个session即将开始。

但有些东西留了下来。

32万次引用,8万次引用。两个简单的想法,十年后依然在支撑着整个AI世界的运转。

这大概就是时间检验的真正含义。

不是谁更聪明,不是谁资源更多。而是谁的想法足够简单,简单到十年后依然有用。