ArXiv，全球最大的学术预印本平台。这东西对搞AI的研究者来说，就是学术圈的朋友圈。
论文上传后二十四到四十八小时内全球可见，不用等同行评审，不用排队走期刊流程，直接面向全世界亮牌。
每天早上起来第一件事，刷ArXiv。
这是所有做深度学习的人的肌肉记忆。
今天早上，这个朋友圈里炸了一颗雷。
论文标题：Deep Residual Learning for Image Recognition。
作者：Shaoqing Ren, Yuhang Zheng, Liqiu Chen。
单位：JiuTian AI Lab, Echo Technology, China。
斯坦福大学盖茨计算机科学大楼三层，博士后林之远端着咖啡走进办公区，习惯性刷新了cs.CV板块。
他的手停住了，咖啡差点洒出来。
152层卷积神经网络。ImageNet验证集Top-5错误率，3.57%。
人类标注员的平均水平是5.1%。去年ImageNet竞赛冠军GoogLeNet是6.67%。这篇论文直接把数字按到了3.57%。
“你们过来看看这个。”
林之远的声音不大，但语调不对。
旁边几个人抬起头，三分钟后，实验室十一个人全围在他屏幕前面。
“等等，152层？”一个叫Kevin的白人博士生最先反应过来，
“不可能。超过三十层的网络根本没法训练，梯度消失会把信号吃干净。这是常识。”
“你往下看。”林之远指着论文第三页的示意图，
“他们加了一个跳跃连接，把输入直接加到输出上。梯度可以跳过中间层回传。”
Kevin盯着那张图看了十几秒。
“这也太简单了吧。”
“简单？”坐后面的赵明推了推眼镜，
“最好的想法往往都简单。问题是你没想到。”
Kevin的脸色不好看。
实验室主任Professor Williams也走了过来。
他花了五分钟把论文从头到尾扫了一遍，表情从惊讶慢慢变沉。
“这个结果如果可以复现，整个领域的范式都要变。”
他看了一眼作者