英文：AdamW 分类：training
Adam 的改进版：将权重衰减从梯度中解耦（每步独立乘衰减系数），避免 Adam 的 L2 正则与自适应学习率耦合导致的泛化损失，是大模型（GPT/Llama 系）训练的标准优化器。
区别：Adam 的 weight decay 等价于 L2（受自适应步长缩放，作用被削弱），AdamW 直接在参数更新时乘以 (1-λ)；超参：lr=3e-4（预训练常用）、weight decay=0.1（部分用 0.01）、β=(0.9,0.95)；收益：训练更稳、泛化更好；变体：AdamW+调度（warmup/余弦）；实现：PyTorch 内置 AdamW。
用于大模型预训练与微调（行业标配）、Transformer 全系列训练、迁移学习（微调配置）与优化器对比实验（标准基线）。