He et al. presentaron redes residuales que permitieron entrenar cientos de capas y ganaron ILSVRC 2015.
Kaiming He y colegas (Microsoft Research) introdujeron Residual Networks: atajos que facilitan el flujo de gradiente y permiten redes muy profundas sin colapsar el entrenamiento.
ResNet-50/101 se volvieron backbone por defecto en visión. La idea de skip connections se filtró a innumerables arquitecturas, incluidas variantes en NLP.
El paper ilustró un patrón del deep learning: un truco de optimización/arquitectura puede desbloquear una escala nueva de modelos.
La capacidad de visión en chatbots permitió razonar sobre diagramas, capturas y documentos escaneados en un solo hilo.
NV-Reason-CT (arxiv 2609.27511) combina un encoder 3D estilo Primus/COLIPRI con Qwen3.5-4B y RL GRPO; reporta macro-F1 ~0,614 y AUROC ~0,871 en CT-RATE, con una afirmación preliminar de ~50% menos tiempo de interpretación.
A fines de los 80 y en los 90, LeCun y colegas aplicaron redes convolucionales al reconocimiento de códigos postales y cheques.