微軟研究人員在2015年人工智能會議上提交的一篇論文《用于圖像識別的深度殘差學習》，迅速攀升至歷史百大榜單第5名（WoS、Dimensions和Scopus數據庫排名中位數分析）。

《用于圖像識別的深度殘差學習》已經成為21世紀以來被引用次數最多的論文。該論文的作者提出了深度殘差學習（ResNet）架構，突破性地解決了深層神經網絡訓練中的信號衰減問題，使網絡層數達到前所未有的深度，并在2015年贏得圖像識別競賽。ResNet不僅成為深度學習發展的重要里程碑，也為后續的AI突破 —— 如AlphaGo、AlphaFold和ChatGPT等技術的出現奠定了基礎。

值得一提的是，引用次數本身存在諸多不公平因素，例如發表時間較早、所處領域熱門等都會帶來積累優勢。總的來看，許多論文因其快速發展趨勢在引用上展現出天然優勢，還有一些論文更是借助工具性、方法指南或綜述性獲得超高引用。