RNN
RNN（循环神经网络）是一种人工神经网络，它按顺序逐个读取句子、语音等有序数据，并把前面看到的内容作为“记忆”传递下去，用于后续判断。
通俗解释 这类似于一个词一个词地读书，同时在脑中不断更新故事梗概。不过，RNN 的记忆比人短得多，很久之前读到的内容很容易变模糊。
工作原理
RNN 每次接收一个输入（例如一个词）。在每一步，它把当前输入与此前的记忆结合，生成新的记忆，这被称为 Hidden State（隐藏状态）。由于这份记忆会不断传递到下一步，因此得名“循环”。最后，它根据最后一步的记忆预测下一个词，或对句子的情感进行分类，从而给出结果。
为什么重要
一般的神经网络输入长度固定，也不单独考虑顺序。RNN 能按顺序处理长短不一的句子或声音，曾经是翻译、语音识别和文本生成的基础工具。为缓解记忆很快变模糊的问题，还出现了 LSTM、GRU 等改进型并被广泛使用。作为用神经网络处理序列数据的起点，它至今仍是需要学习的基础概念。
注意事项
RNN 的弱点是句子越长，前面部分的信息越难传递下去。此外，它必须逐个按顺序处理词语，难以用 GPU 一次性并行计算，训练较慢。由于这些局限，如今的 LLM 大多采用 Transformer。不过，近来状态空间模型等结构以高效的方式重新运用了“延续记忆、按顺序处理”的思路，再次受到关注。
示例
早期智能手机键盘的下一词推荐、语音助手的语音识别、在线翻译工具等都广泛使用过 RNN 系列模型（尤其是 LSTM）。如今其中很多已改用 Transformer，但在对传感器数据、股价等有时间顺序的数据做轻量分析的场景中，它仍在使用。