偏导数

它在 AI 中解决什么问题？

占位说明：解释多参数模型中如何考察 loss 对某一个参数或某一组参数的局部变化。

核心概念

• 待补：partial derivative
• 待补：multivariable function
• 待补：coordinate-wise change

关键公式

待补：$\frac{\partial \mathcal{L}}{\partial {\theta }_i}$。

它出现在模型的哪里？

• 待补：neural network parameter gradient
• 待补：linear layer backward
• 待补：embedding table update

后续需要补充

• 待补：定义
• 待补：直觉
• 待补：例子
• 待补：常见误区