英文：Gradient Checkpointing 分类：architecture
与激活重计算同义的技术名：通过丢弃并重算中间激活来降低训练显存占用，用额外计算换取可训练规模。
实现：按检查点粒度保存部分激活（如每 N 层），反向时从最近检查点重算；PyTorch 原生支持（torch.utils.checkpoint）。权衡：显存可降数倍，训练时间增加约 20-40%。
用于大模型微调与预训练（单卡/多卡显存优化）、长序列训练与成本受限环境；是 Hugging Face 训练大模型的默认配置之一。