训练模型不知步长该设多大时，Adam替每个参数自动定

训练AI模型时，要反复按梯度微调成千上万个参数，每步走多远由学习率决定，设大了震荡、设小了太慢。Adam（2015年提出）是一种自动定步长的方法：它记录每个参数梯度的大小和波动，给平稳的参数大步、给抖动的参数小步，且对梯度整体缩放不敏感。

今天打开任何深度学习框架或教程，默认的优化器多半就是它；新方法发论文仍拿它当对比基准。它立的"超参数几乎不用调"这条规矩，至今没被换掉。

如果想要凸问题之外的理论收敛保证，或用它判断论文没测过的模型和数据，就别用它下结论；非凸深度场景的长期表现证据有限。

《Adam: A Method for Stochastic Optimization》（2015）｜下次复查 2027-09-20