Adam 与 AdamW 的区别：解耦权重衰减为何不等价于损失加 L2 正则

AdamW 与在 Adam 的 loss 中直接加入 λ||w||² 并不等价，核心区别在于 AdamW 引入了“解耦权重衰减（decoupled weight decay）”。文章以 ML 面试题的形式，进一步解释两种权重衰减方式为何不能视为同一种实现。