顾屿语气平静，却带着压迫感。
“少卿，能让你凌晨三点不管不顾飞过来的东西，其价值不需要我多说。不管这U盘里装的是什么成果，它现在都是公司最高级别的商业机密。下次再遇到这种情况，让林溪派专机和安保团队去接你。别替我省这个钱。”
任少卿张了张嘴，显然被顾屿这种保密意识震了一下，但还是老实地点了点头。
“行了。还有，别叫顾总。”
“那叫什么？”
“随便，叫名字就行。”
任少卿没纠结这个问题。
他把电脑打开，插上U盘，解密后屏幕上出现了一份技术文档，图表密密麻麻。他转过屏幕朝向顾屿，手指点在一张折线图上。
“ImageNet验证集，TOp-5错误率，5.08%。五十层卷积神经网络。”
顾屿盯着那个数字看了三秒。
“人类标注员的平均水平是5.1%。”
任少卿的声音压得很低，但语速在加快，
“我们的模型精度已经追平了人类，甚至略微超过。核心突破点是一个我称之为''残差连接''的结构。简单来说，就是给深层网络开了一条捷径，让训练信号可以跳过中间层直接回传，解决了层数堆叠之后信号衰减的老大难问题。”
他翻到下一页，是不同层数网络的对比实验数据。
二十层、三十层、四十层、五十层，精度曲线一路攀升，没有出现以往深层网络必然遭遇的性能坍塌。
“以前整个学术界都默认，网络超过二十层就没法有效训练了。这个假设，被我们推翻了。”
顾屿靠在椅背上，目光停留在屏幕上那条稳步上升的曲线上。
他没说话。
不是因为震惊。而是因为他太清楚这个东西是什么了。
残差网络。ReSNet。
前世，这篇论文在2015年12月发表，第一作者正是任少卿。
它不仅横扫了当年所有计算机视觉的顶级竞赛，更从根本上改写了整个深度学习的工程范式。
从此以后，“网络可以无限加深”不再是空想，而是被数学和实验双重验证的事实。
它是后来所有大模型架构的地基之一。
没有残差连接，就没有后来的GPT，没有BERT，没有任何你能叫得出名字的大语言模型。
而现在是2014年4月。
任少卿提前了将近一年半。
顾屿闭上眼睛。
前世的记忆潮水般漫上来，不受控制。
2020年。他拿到天使轮的那个夏天，北京五道口的一间地下室办公室，八个人，六台电脑，空调坏了三天没人修。
他站在白板前画TranSfOrmer的架构图，给团队讲什么是自注意力机制，什么是多头注意力，什么是位置编码。那时候他以为自己看到了未来。
2022年。A轮融资到账，团队扩到四十多人，搬进了望京的写字楼。
他们基于TranSfOrmer训练中文大语言模型，做垂直行业应用，对标ChatGPT。烧了两个多亿，模型效果勉强能打。投资人说，再坚持一轮，B轮估值翻三倍，上市不是梦。
他信了。
然后2024年底，DeepSeek的技术报告发了出来。
不到六百万美金的训练成本。
用了一种叫MOE的混合专家架构，让模型学会了“只激活需要的那部分参数”，不用的部分直接休眠。