Unverified50% confidenceFactExact time
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
1
Sources
50%
Confidence
Medium-term (~90 days)
Relevance
7/2/2026
First Seen
Valid until: 9/30/2026
Sources
手撕神经网络：从线性回归到梯度下降的底层原理详解
bilibiliAI课堂6/11/2026
Related Claims
VerifiedAdam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84% similarUnverifiedAdamW、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79% similarUnverified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77% similarUnverifiedAdam、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73% similarUnverifiedMUON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70% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/49097API
curl https://kongchang.com/api/v1/knowledge/claims/49097MCP
get_claim(id=49097)