我不能代表个别研究人员发言，但我可以猜到为什么整个社区没有采用这种激活功能。

ReLU实在是太便宜了。随着网络的深入，这种好处会继续增长。此外，它们工作得相当好。正如搜索激活函数中所指出的，

其他激活函数的性能改进在不同的模型和数据集之间往往不一致。

即使一个新的激活函数确实在整体性能方面提供了微不足道的改进，如果 ReLU 仍然被普遍使用，我也不会感到惊讶。它已经是许多机器学习软件的默认设置。

此外，研究通常不是为了在特定任务上再提高一个百分点的准确性。如果我参加比赛，我可能会尝试激活函数。但即便如此，我还是宁愿使用 ReLU 并在构建架构原型时节省一点时间。

正如@DuttaA 在评论中指出的那样，在需要有界输出的情况下，softsign 可能会取代 sigmoid 和 tanh。我以前没有见过任何人比较它们，但 softsign 至少会快得多。我猜由于传统和曝光度，这种替换并没有发生。不是因为 softsign 缺乏无限导数。我不知道发生这种情况是否会使softsign“被广泛使用”，但它会有所作为。