在今年6月3日至7日于美国科罗拉多州丹佛市举办的CVPR 2026国际学术大会上，中国科学技术大学任少卿教授及合作者何恺明、张祥雨、孙剑凭借其奠基性工作Deep Residual Learning for Image Recognition（深度残差网络ResNet），荣获CVPR 2026年度Longuet-Higgins Prize「时间检验奖」。

CVPR是计算机视觉与模式识别领域公认的全球顶级学术会议，也是衡量全球高校、科研机构及学者学术水平的重要标志。在谷歌学术(GoogleScholar)所有领域科学期刊/会议的影响力排名中，CVPR位列第二名，仅次于《自然》。

在研究方向上，CVPR覆盖的范围已非常广泛，包含人工智能、具身智能、自动驾驶、多模态学习、大语言模型、AR/VR等众多前沿且热门的方向。

Longuet-Higgins Prize是CVPR最具代表性的奖项之一，专表彰十年前发表、经过长期实践验证，并对学术研究和产业发展产生深远影响的研究成果。ResNet解决了深层网络难以训练的世纪难题，凭借其突破性的贡献获此殊荣。论文提出的残差学习框架有效解决了深层神经网络训练中的梯度消失与爆炸问题，使得网络深度从此前的十几层跃升至152层，为深度学习的发展打开了新的可能性。这种创新设计让深层神经网络真正可训练，成为现代深度学习的基础架构。

十年来，ResNet的影响力不断扩展。残差连接已成为现代深度学习模型的基础设计，在计算机视觉、自然语言处理、语音识别、多模态学习等领域得到广泛应用，奠定了今天几乎所有大模型（包括 Transformer 架构）的底层基石。论文的全球被引用量已超过32万次，成为21世纪以来被引用次数最多的学术论文。从ResNet提出的残差学习思想，到如今蓬勃发展的大模型和智能Agent系统都离不开ResNet基础性创新的支撑。

近年来，任少卿教授及合作者何恺明、孙剑等凭借其Faster R-CNN等奠基性工作还荣获NeurIPS 2025年度时间检验奖与ICCV 2025 Helmholtz Prize（十年影响力奖）。

（合肥微尺度物质科学国家研究中心、信息与智能学部、通用人工智能研究所）