深度分析 保護每個樣本：新型優化器框架「Harm Reduction」降低批次干擾、提升泛化能力 傳統深度學習優化器（如 SGD、AdamW）在更新參數時，會將批次內所有樣本的梯度平均後，再與歷史狀態（如動量）結合。這種做法雖然能穩定訓練，卻可能讓部分樣本的損失不降反升，形成所謂的「傷害」（harm）。
