将近两个月之后，某天凌晨三点，他趴在键盘上半睡半醒。脑子里突然蹦出来一个念头。

如果不让梯度穿过所有层呢？

如果给它开一条捷径呢？

他一下子坐直了。

思路很简单。

假设网络有两层，输入是x，经过两层运算之后的输出是F(x)。正常做法是直接用F(x)往下传。

但他的想法是，不要让网络去学习F(x)这个完整的映射，而是让它只学习F(x)和x之间的差值，也就是F(x)-x。最终输出变成F(x)+x。

这个“+x”就是捷径。

就是残差连接。

它的意义在于，哪怕F(x)学废了，输出至少还有一个x兜底，不会比什么都没学更差。

更关键的是，梯度可以沿着这条捷径直接回传到前面的层，不用再经过所有中间层的连乘衰减。

梯度消失的问题，被这条捷径绕过去了。

他当天晚上就写了代码。

第二天跑了一个二十层的测试。

然后是三十层。四十层。精度不仅没有下降，还在持续攀升。

他又花了两周时间反复验证，排除过拟合、数据泄漏等一切干扰因素。

最后把层数推到了五十。

5.08%。

和人类标注员打了个平手。甚至略微超过。

任少卿睁开眼睛，盯着天花板看了很久。值班间的日光灯管有一根坏了，一明一暗地闪着。

“少卿哥，这个结果……”

陈立秋把擦了无数遍的眼镜重新戴好，声音压得很低，

“能发顶会吧？”

“不止能发。”

郑宇航已经从最初的激动中回过神来了，他盯着屏幕上的损失曲线，

“这东西要是公开出去，整个领域都得重新洗牌。以前大家默认深层网络没法训练，所有人都在十几二十层的范围里卷。现在这个假设直接被推翻了。”

任少卿没说话。

他站起来，走到机房那面闪烁的绿色光墙前面，双手插在冲锋衣口袋里。

兴奋吗？当然兴奋。

但兴奋过后，一种更复杂的情绪开始往上涌。

他想起去年在西安交大走廊里，那个黄毛少年对他说的话。

“你的模型在做大量无效计算。”

“让模型只用它需要用的那部分脑子