# 鞍点

> 在高维空间中，一个点在一个方向上是最高点（峰），在另一个方向上是最低点（谷）。

- ID: m05919
- 分类: technical
- 领域: 数学

## 定义

在高维空间中，一个点在一个方向上是最高点（峰），在另一个方向上是最低点（谷）。形状像马鞍。在优化中，算法容易误以为鞍点是终点（因为梯度为零），从而停止进步。脚手架作用： 虚假的舒适区。你可能觉得自己在某个维度上已经做到极致（如技术很强），但在另一个维度上其实在谷底（如情商很低）。这种“局部最优”的幻觉会锁死你的成长，必须引入新的维度扰动才能跳出。

## 机制

鞍点是梯度为零但既非局部极小也非极大的驻点：沿某些方向是峰、沿另一些方向是谷；高维优化中比局部极小更常见，易让算法误停。

## 练习

当优化"卡住"而损失仍高时，检查是否陷入鞍点而非局部最优；引入扰动（如随机噪声、动量）或二阶信息（曲率）跳出；增加维度或换初始化避免滞留。

## 脚手架用法

虚假的舒适区。你可能觉得自己在某个维度上已经做到极致（如技术很强），但在另一个维度上其实在谷底（如情商很低）。这种“局部最优”的幻觉会锁死你的成长，必须引入新的维度扰动才能跳出。

[阅读网页](https://thinkingmodels.site/entries/detail/m05919)