深度分析 GEAR-SAM：基於梯度能量動態分配擾動預算，提升深度學習模型泛化能力 Sharpness-Aware Minimization (SAM) 透過最小化參數局部鄰域內的最差損失來提升模型泛化能力，但其擾動預算的分配僅依賴當下批次梯度，易受雜訊影響且忽略各區塊在訓練過程中的敏感性變化。
