历史十大高被引论文

微软研究人员在2015年人工智能会议上提交的一篇论文《用于图像识别的深度残差学习》，迅速攀升至历史百大榜单第5名（WoS、Dimensions和Scopus数据库排名中位数分析）。

《用于图像识别的深度残差学习》已经成为21世纪以来被引用次数最多的论文。该论文的作者提出了深度残差学习（ResNet）架构，突破性地解决了深层神经网络训练中的信号衰减问题，使网络层数达到前所未有的深度，并在2015年赢得图像识别竞赛。ResNet不仅成为深度学习发展的重要里程碑，也为后续的AI突破 —— 如AlphaGo、AlphaFold和ChatGPT等技术的出现奠定了基础。

值得一提的是，引用次数本身存在诸多不公平因素，例如发表时间较早、所处领域热门等都会带来积累优势。总的来看，许多论文因其快速发展趋势在引用上展现出天然优势，还有一些论文更是借助工具性、方法指南或综述性获得超高引用。