通俗解释
GRU 把 LSTM 的三个门合并成“更新门”和“重置门”，也不再单独保存细胞状态。参数更少、训练更快，在很多序列任务上效果和 LSTM 相当。它和编码器-解码器结构出自同一篇论文。
用在哪里：轻量序列建模、时间序列预测、早期神经机器翻译
01原始论文
Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation
Kyunghyun Cho, Bart van Merrienboer, Caglar Gulcehre, et al. · 2014
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。
相关：序列到序列（Seq2Seq）注意力机制（Bahdanau）
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
给 AI 读 / 数据说明
- 核实状态：已核实，核对于 2026-10-22。
- JSON: /api/learn/algorithms.json (id:
gru)