在 RNN 的训练过程中，由于激活函数的导数在某些情况下可能小于 1 或大于 1，当多个时间步的导数相乘时，很容易导致梯度变得非常小（梯度消失）或非常大（梯度爆炸）。：RNN 在处理每个时间步时，都需要依赖前一个时间步的隐藏状态进行计算，这种顺序计算的方式使得 RNN 难以并行化，计算效率较低。LSTM 是一种特殊的神经网络，它像一个智能的记忆管家，能够巧妙地控制信息的进出，精准地记住长序列数据中