步长不累加？

“步长不累加”指的是在训练人工智能模型时，每一步更新参数的步长（也叫学习率）是固定的，不会随着训练次数增加而改变。

举个例子：假设你爬山，步长就是每次迈出的距离。如果步长固定，你始终用同样的步子往上爬，不会因为快接近山顶而缩小步子，也不会因为刚开始就迈大步。这样可能会导致在接近最优解（山顶附近）时反复震荡，无法精确降落。

简单说，“不累加”就是步长不变，不会根据之前的步长或训练进度自动调整。这种做法比较简单，但可能影响训练效率或最终效果。实际中，很多AI工程师会使用学习率衰减等策略来动态调整步长。