已验证65% 置信事实精确时间

Adam优化器于2014年提出，融合动量与自适应学习率，成为当今最广泛使用的优化器

3

来源数

65%

置信度

长期有效

时效性

2026/7/19

首次发现

来源

梯度下降与反向传播详解：神经网络学习机制从零拆解

相关事实

已验证Adam优化器结合了动量（Momentum）和自适应学习率两大思想，已成为大模型训练的标配84% 相似待验证Adam、RMSProp等自适应学习率优化器在SGD基础上进一步改进了收敛速度和稳定性80% 相似待验证AdamW、LAMB等优化器变体专门针对大批量训练和大模型微调进行优化74% 相似待验证以Adam优化器搭配默认学习率1e-3作为起点是稳健的深度学习入门策略73% 相似待验证MUON优化器替代了沿用多年的AdamW优化器，通过引入矩阵正交化步骤使训练曲线更加平滑67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/556690

API

curl https://kongchang.com/api/v1/knowledge/claims/556690

MCP

get_claim(id=556690)