被拒11年后逆袭：谢赛宁的DSN论文获时间检验奖

十年前，一篇名为《Deeply-Supervised Nets》（深度监督网络，DSN）的论文曾遭到NeurIPS（原NIPS）会议的拒绝。这篇论文的作者谢赛宁却迎来了属于他的荣耀时刻：这项早期的研究成果在AISTATS会议上获得了“时间检验奖”，成为了深度学习领域备受瞩目的经典之作。

让我们回到2014年9月，谢赛宁和他的合作作者陈宇李（Chen-Yu Lee）在进行博士研究时，首次将DSN论文上传到arXiv。彼时，深度学习在图像分类和语音识别等领域开始崭露头角，却依然存在许多亟待解决的问题，比如深度神经网络中隐藏层特征透明度低、判别力不足等。研究团队在观察中发现，使用高判别力特征训练的分类器性能往往更佳，因此提出了利用中间层监督机制来改善传统卷积神经网络（CNN）的训练过程。

DSN的核心思想是，在每个隐藏层上添加辅助分类器，通过逐层反向传播增强梯度信号，促使浅层特征在最终分类任务中更具判别性。这种方式不仅改进了特征学习的效率，还提升了网络的整体性能。实验证明，在CIFAR-10数据集上应用DSN后，使用ResNet-50的训练收敛速度加快了30%，同时Top-1准确率提高了2.1%。这些研究成果使得DSN在计算机视觉领域引起广泛关注，甚至成为生成式AI领域中具影响力的监督学习框架。

尽管当初评审对这篇论文给予了8/8/7的高分评价，但NeurIPS会议还是拒绝了它。评审们认为这项研究属于增量改进，而不是根本性的创新，因此未能获得接收机会。尽管遭遇挫折，谢赛宁并未放弃。在AISTATS会议上，经过深思熟虑的他们重新提交了DSN，并成功获得了接收。这次成功的发布，为后来的工作奠定了基础。

时间过去了11年，谢赛宁的坚持得到了回报。AISTATS会议官宣DSN获得“时间检验奖”，该奖项通常是对在过去十年内发表的论文的认可，要求其在该领域内产生了显著的影响。一个重要的标准是：该工作必须被同行评审为开创性或具有理论创新，或是有应用价值的成果。这使得DSN不仅在理论上得到认可，更在应用领域展现出广泛的实用性。

在获奖的推文下，许多业界大佬纷纷为谢赛宁表示祝贺，开创性的贡献得到了应有的赞誉。经过长时间的思索，谢赛宁在推文中透露了当年的心路历程，他表示：“那次拒稿的经历一直萦绕在我心头。”这种坚持不懈的精神，不仅激励了他本人，也成为了后辈学子在面对挫折时的重要励志来源。

在分享感受时，谢赛宁并没有吝啬自己的经验，他向学生们传达了一条重要信息：“坚持不懈并不仅仅是说继续努力，它需要一个强大的支持系统和具体的实践指导。”他提到，自己在进入UCSD后经历了从零到有的过程，是导师屠卓文的耐心教导让他得以逐渐成长。谢赛宁强调，“你永远不应该独自前行。”他的合作者陈宇李也表达了对这项工作的自豪感，认为DSN的成功受到团队合作的推动。

该领域也涌现出许多相似的故事，这些事例进一步表明，被顶会拒稿的论文并不意味着失败。正相反，许多优秀的科研成果在再度改进后反而具备了更强的潜力，能够为未来的研究提供更加坚实的基础。

今天，谢赛宁获得“时间检验奖”的故事，不仅是一段历程的更是对每一个科研工作者的激励。坚持追求科学真理，并不断修正和完善自己的研究思路，最终的回报可能超出你的想象。正如谢赛宁所分享的，他希望更多的年轻学者能够从他的经历中得到鼓励，在遇到挑战时能够再次站起来、勇往直前。

无论是谢赛宁还是其他科研工作者，他们的故事提醒着我们，学术研究是一条充满曲折与挑战的道路，但坚持与合作始终是引领我们走向成功的关键。