平坦最小值 (Flat Minima)

平坦最小值指參數空間中損失函數曲率較小的區域：權重小幅變動時損失變化不大，對應 Hessian 特徵值較小。經驗上 機器學習 (ML) 中 SGD 易落入較平坦的局部最小，且這類解常泛化較好；因此出現 SAM（Sharpness-Aware Minimization）等刻意尋找平坦解的優化方法。

理論上平坦與泛化的關係仍有爭議：部分設定下最平坦解未必泛化最好。與 機器學習 (ML)、優化、正則化相關。