微軟研究人員在2015年人工智能會議上提交的一篇論文《用于圖像識別的深度殘差學(xué)習(xí)》，迅速攀升至歷史百大榜單第5名（WoS、Dimensions和Scopus數(shù)據(jù)庫排名中位數(shù)分析）。

《用于圖像識別的深度殘差學(xué)習(xí)》已經(jīng)成為21世紀(jì)以來被引用次數(shù)最多的論文。該論文的作者提出了深度殘差學(xué)習(xí)（ResNet）架構(gòu)，突破性地解決了深層神經(jīng)網(wǎng)絡(luò)訓(xùn)練中的信號衰減問題，使網(wǎng)絡(luò)層數(shù)達(dá)到前所未有的深度，并在2015年贏得圖像識別競賽。ResNet不僅成為深度學(xué)習(xí)發(fā)展的重要里程碑，也為后續(xù)的AI突破 —— 如AlphaGo、AlphaFold和ChatGPT等技術(shù)的出現(xiàn)奠定了基礎(chǔ)。

值得一提的是，引用次數(shù)本身存在諸多不公平因素，例如發(fā)表時間較早、所處領(lǐng)域熱門等都會帶來積累優(yōu)勢?？偟膩砜?，許多論文因其快速發(fā)展趨勢在引用上展現(xiàn)出天然優(yōu)勢，還有一些論文更是借助工具性、方法指南或綜述性獲得超高引用。