0博士组合拿下ICLR时间检验奖，十年论文终封神

• 鹭羽 发自 凹非寺
  量子位 | 公众号 QbitAI

ICLR 2026时间检验奖新鲜出炉，获奖者——

GPT天才本科生Alec Radford

网友们纷纷送来祝贺：“实至名归！”

Alec为人相当低调，其社媒清一水的都是转发推荐他人优秀成果。

但实则他在OpenAI里是和Ilya齐名的技术大神，也是初代GPT系列奠基者

奥特曼曾称他为爱因斯坦级别的天才，OpenAI总裁更是直言：

• 只要他想要的，我们都给。

如今，这篇他在十年前一作发表的DCGAN论文，终于正式封神！

引用量超2w，是机器学习领域最具影响力的论文之一，也是公认的GAN工程应用开山之作。

而这篇论文之所以引人注目，还有另一层原因：

三位作者，没有一个是博士生

u1s1，这真的很酷！

时间检验奖首次颁给本科生

出乎意料的是，本届ICLR一口气开出个双黄蛋，两个时间检验奖分别是DCGANDDPG

前者直接影响了GPT系列模型的核心逻辑，后者则来自谷歌DeepMind，证明了深度强化学习可以应用于连续控制。

这也是ICLR连续三年都在以时间检验奖的形式认可机器学习成果，也足见这两篇论文的经典程度不分伯仲。

组委会是这样评价DCGAN这篇论文的：

• 这篇俗称DCGAN的论文，首次成功验证了基于学习的生成模型能够生成多样化、真实且结构复杂的图像。
• 该研究成果正式开创了图像生成子领域，如今图像生成已是机器学习领域最热门的研究方向之一，同时在工业领域落地了大量成熟且成效显著的应用。
• 尽管相关技术不断迭代升级（从生成对抗网络逐步发展至扩散模型），但DCGAN依旧历久弥新，是奠定这一重要研究领域的关键里程碑。

本论文共有三位作者，2个本科1个硕士

其中，Alec Radford本科毕业于富兰克林·欧林工程学院（Franklin W. Olin College of Engineering）

据网友介绍，这是一所规模不大但实力不容小觑的工程院校。

通常只有400名学生，知名度虽不及哈佛、MIT等同类科技学校，但它们的学生在项目方向上个人自由度高，学校学术能力媲美常春藤名校。

在那里，他和同学们一起创立了公司Indico，并随后加入OpenAI，一干就是八年。

他是最早期GPT系列论文的核心贡献者，几乎参与了OpenAI所有的重大突破，也是多模态模型CLIP的主导者。

他所提出的Transformer架构加生成式预训练的方法，直接奠定了后续ChatGPT和其它大模型的基础，同时也在GPT-1到GPT-3、Whisper、DALL-E的研发中担任关键角色。

截止目前，Alec Radford的论文总被引数已超35万

但在2024年底，Alec正式宣布告别老东家，转而追求独立研究。在去年3月，他以顾问的方式加入了前OpenAI CTO Mira Murati创立的Thinking Machines Lab

和他同期进新公司的，还有前OpenAI首席研究员Bob McGrew。

另一位本科生作者Luke Metz，和Alec都出自欧林工程学院，并在毕业后加入了Alec创立的Indico公司。

他也是OpenAI的初始成员之一，随后他进入谷歌担任长期研究员，研究重心从生成模型逐渐转向优化算法和元学习，并在2022年短暂回归OpenAI，24年底转投Thinking Machines Lab。

最后一位作者Soumith Chintala，他广为人知的身份除了是DCGAN论文作者之一，还是PyTorch的核心作者、Meta前副总裁。

他本科就读于韦洛尔理工学院（VIT），这是一所当地的二流工程院校，这也让他在申请硕士时屡屡碰壁，被12所高校连续拒绝。

直到最后，他终于坚持不懈收到了纽约大学发来的offer，并成功收获LeCun青睐，得以师从LeCun。在那里，LeCun影响了Soumith的研究方向，他开始从事早期深度学习研究。

但在完成硕士学位后，Soumith再次碰壁，几乎申请的全部工作都被拒绝，只能进入一家名为MusiAmi的小型创业公司，从事移动深度学习工作。

直到2014，在Lecun的引荐下，他进入Meta工作，并带领团队成员主导设计了PyTorch。而PyTorch已经成为目前全世界使用最广泛的开源机器学习平台之一。

在Meta工作11年后，Soumith一路从L4工程师晋升至副总裁，成为Meta核心人物。在2025年底，他离开了Meta，并加入Thinking Machines Lab担任CTO。

自此，DCGAN三位作者兜兜转转，最终再次齐聚Thinking Machines Lab

其余获奖情况

除此之外，ICLR还颁布了两篇优秀论文奖：

• 《Transformers are Inherently Succinct》：率先提出简洁性是衡量Transformer表达能力的新维度，同时证明Transformer在描述某些复杂概念时，相比RNN等模型存在指数级甚至双指数级优势。
• 《LLMs Get Lost In Multi-Turn Conversation》：设计了一种可扩展的方法来评估LLM的多轮对话能力，同时发现当交互涉及多轮对话和指令不明确时，LLM的适应性和可靠性会大幅度下降。

和一篇优秀论文提名：

其中，研究者运用逼近理论，为主流Muon优化器设计了一套极分解设计最优多项式逼近方案，收获了业界一致的认可。

[1]https://blog.iclr.cc/2026/04/22/announcing-the-test-of-time-awards-from-iclr-2016/
[2]https://scholar.google.com/citations?user=dOad5HoAAAAJ&hl=en
[3]https://www.bostonglobe.com/2023/06/10/business/how-couple-olin-college-students-helped-spark-ai-chatbot-revolution/
[4]https://techcrunch.com/2025/04/08/mira-muratis-ai-startup-gains-prominent-ex-openai-advisers/
[5]https://timesofindia.indiatimes.com/etimes/trending/meet-soumith-chintala-indian-origin-techie-rejected-by-12-us-universities-now-cto-of-thinking-machines-lab/articleshow/126552880.cms