通俗解释
在 Adam 里把 L2 正则加到梯度上，效果会被自适应步长扭曲；AdamW 直接按比例缩小权重，正则更有效。它是训练大语言模型的标准优化器。
用在哪里：GPT、Llama 等大模型预训练
01原始论文
Decoupled Weight Decay Regularization
Ilya Loshchilov, Frank Hutter · 2017
arXiv ↗ ✓ 已核实 · arXiv API
02知识位置
左边先学；右边是学完它之后可以学的。
左：前置 · 右：后继 · 虚线：相关。看完整关系图 →
03学习资料
官方文档、图解、课程和参考实现，链接都核对过。
04在课程里哪里学
所在学习路线：从零到深度学习
给 AI 读 / 数据说明
- 核实状态：已核实，核对于 2026-10-21。
- JSON: /api/learn/algorithms.json (id:
adamw)