贾扬清与团队共同撰写的论文"DeCAF: A Deep Convolutional Activation Feature for Generic Visual Recognition"于ICML 2024时间检验奖评选中荣获殊荣。该论文于十年前在UC伯克利完成，首次提出并开源了AlexNet的深度卷积激活特征，为Caffe框架奠定了基础。论文验证了在大规模标记数据集上预训练的深度卷积神经网络的中间层特征在通用视觉识别任务中的可迁移性，并在多个视觉基准测试中取得优异表现。此研究对AI领域影响深远，目前已被引用6012次。 此外，ICML 2024最佳论文奖也已揭晓，共10篇论文获奖，其中包括"Scaling Rectified Flow Transformers for High-Resolution Image Synthesis"和"Discrete Diffusion Modeling by Estimating the Ratios of the Data Distribution"两项工作。这些获奖论文涉及图像合成、离散扩散建模等多个前沿领域，展示了AI研究的最新进展。 此次获奖不仅表彰了贾扬清团队在AI领域的杰出贡献，也为未来的研究提供了新的视角和启发。