2025年10月，LSTM之父Jürgen Schmidhuber再次引发争议，称其学生Sepp Hochreiter早在1991年就提出循环残差连接解决梯度消失问题，认为残差学习的奠基人应归功于Hochreiter而非何恺明团队。Schmidhuber指出，1997年提出的LSTM和1999年的vanilla LSTM均基于此思想，而2015年的Highway网络和ResNet是这一理念的延续。他还对其他深度学习模型如AlexNet、GAN和Transformer的起源提出类似质疑，但这些观点未获普遍认可。网友对此评价称‘从Hochreiter到ResNet，光芒随时间递归延续’，但也有人调侃‘Schmidhuber is all you need’。

Yoshua Bengio，深度学习领域的领军人物，发布了一篇题为《RNN就是所需的全部吗？》的论文，揭示了一种对传统循环神经网络（RNN）的简化方法，该方法通过移除隐藏状态的依赖，使得精简后的RNN（命名为minLSTM和minGRU）在性能上能与Transformer等现代序列模型媲美。 传统...