现代应用研究中的诸多领域，都严重依赖于一种被称为梯度下降(gradient descent)的关键算法。这是一种常被用于寻找特定数学函数最大值或最小值的方法，也被称为函数优化方法。梯度下降可用于计算多种任务，包括哪种产品制造方式利润最高、哪种员工轮班机制最优等等。尽管如此，研究人员一直没能彻底理解这种算法的核心意义。如今最新研究终于给出了解释，确定梯度下降从本质上是在解决一个具备固有困难性的计算问题。从这个角度来看，最新结果为梯度下降找到了效能上限，因此研究人员不可能在实际应用中获得超出这个极限的性能结果。论文发表在预印本网站 arXiv 上。