待验证50% 置信事实精确时间

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

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/7/2

首次发现

有效期至：2026/9/30

来源

AI Agent核心原理全解析：决策循环与三大组件实战拆解

bilibiliAI大模型入门阿坤2026/6/24

相关事实

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81% 相似待验证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存在梯度消失/爆炸问题，梯度跨越大量时间步传递时会指数级衰减或膨胀，导致难以学习远距离依赖77% 相似待验证RNN 引入隐状态机制，理论上能记忆任意长度上下文，但受梯度消失问题困扰77% 相似待验证传统 RNN 架构因顺序处理的局限在面对远距离依赖时会出现梯度消失问题76% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/61318

API

curl https://kongchang.com/api/v1/knowledge/claims/61318

MCP

get_claim(id=61318)