在机器学习领域，ICLR 2026年的时间检验奖揭晓了。
网友们的祝贺纷至沓来：“实至名归！”
尽管他个人非常低调，社交媒体上几乎全是推荐他人成果的内容，
但他在OpenAI的地位却无人能及，与Ilya Sutskever齐名，是初代GPT系列的奠基者。
奥特曼曾称他是爱因斯坦级别的天才，而OpenAI总裁更是表示：“只要他想要的，我们都提供。”
与此同时，他在十年前发表的一篇DCGAN论文如今也备受瞩目。
这篇文章的引用量已超过2万次，是机器学习领域最具影响力的作品之一，并被视为生成对抗网络（GAN）工程应用的开山之作。
更值得一提的是，这篇论文的三位作者中没有一个是博士生，
此次时间检验奖首次颁给了一名本科生，而ICLR 2026年更是同时颁发了两个这样的奖项。
这两篇论文分别是DCGAN和DDPG，前者对GPT系列模型的核心逻辑产生了直接影响，
而后者则展示了深度强化学习在连续控制领域的应用前景。这两项成果均获得了ICLR的肯定，证明其经典程度不分伯仲。
对于DCGAN这篇论文，评审委员会给予了高度评价：“它成功验证了基于学习的生成模型能够创造出多样化、真实且结构复杂的图像。”
该研究开创了一个全新的子领域——图像生成，并在工业界得到了广泛应用。尽管技术不断更新迭代（从生成对抗网络发展到扩散模型），DCGAN依然保持其重要性，成为奠定这一领域的关键里程碑。
论文的三位作者中包括两位本科生和一位硕士生，
其中Alec Radford毕业于富兰克林·欧林工程学院，这所规模虽小但实力强劲的院校以其自由度高的项目方向著称。
他与同学共同创立了公司Indico，并随后加入OpenAI工作长达八年之久，
在此期间几乎参与了所有的重大突破。2024年底，Alec Radford宣布离开老东家，转而追求独立研究，
并于去年3月以顾问身份加入了由前OpenAI首席技术官Mira Murati创立的Thinking Machines Lab。
同期加入该公司的还有前OpenAI的研究员Bob McGrew。
他本科就读于韦洛尔理工学院，在申请硕士时遭遇了重重困难，
最终在LeCun的推荐下获得了纽约大学的认可，并在他的指导下开始从事深度学习研究。
然而，Soumith在完成硕士学位后再次面临就业困境，
直到2014年，在LeCun的帮助下进入Meta工作。在那里，他带领团队设计了PyTorch，这款工具现已成为全球最常用的开源机器学习平台之一。
在Meta工作的十一年间，Soumith从初级工程师晋升为副总裁，并在去年底加入Thinking Machines Lab担任首席技术官。
如此一来，DCGAN论文的三位作者最终齐聚于同一公司——Thinking Machines Lab。
此外，在ICLR 2026年还颁发了两篇优秀论文奖：
其中一篇是《Transformers are Inherently Succinct》，提出了衡量Transformer表达能力的新维度，并证明其在描述复杂概念时具有明显优势。
另一篇则是《LLMs Get Lost In Multi-Turn Conversation》，设计了一种评估大型语言模型多轮对话能力的方法，同时指出这类模型在这种情境下的局限性。
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