已验证65% 置信事实精确时间

RNN以串行方式处理序列，存在长序列梯度消失和无法并行计算两大问题

3

来源数

65%

置信度

长期有效

时效性

2026/7/6

首次发现

来源

AI大模型开发学习路径：从零基础到企业实战完整指南

bilibili大模型AI应用2026/7/4

相关事实

待验证RNN面临梯度消失问题，序列越长梯度经过的乘法链越长，数值呈指数级缩小80% 相似待验证RNN（循环神经网络）的核心缺陷在于其串行计算特性，必须按时间步逐一处理序列，导致长距离依赖关系随序列长度指数级衰减75% 相似待验证Transformer 中任意两个位置之间的信息传递路径长度恒为1，从根本上克服了 RNN 在长序列上因梯度消失导致的遗忘问题73% 相似待验证RNN存在两大缺陷：无法并行计算导致速度慢，以及长距离依赖信息衰减的健忘问题72% 相似待验证RNN通过隐藏状态在时间步上串行传递信息，导致梯度消失/爆炸和无法并行计算两个核心瓶颈72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/113208

API

curl https://kongchang.com/api/v1/knowledge/claims/113208

MCP

get_claim(id=113208)