Learning to Forget: Continual Prediction with LSTM (2000)

别人收旧卡只是外部逐段清零状态的类比。清的是运行状态而非训练权重；2000 论文揭示旧条件，本段尚未叙述后续改动。

下一位顾客为构造的持续使用直觉，三人工作实际测连续人工序列。旧数值可能增长为条件性现象，不说所有运行必然发散，不将原版任务改写成订单数据。

音量接近上限仅比喻有界输出低敏感性，不模拟完整非线性曲线、物理内存耗尽或梯度消失。实际问题为状态增长后的输出饱和。

本版以同期论文直接引入遗忘门，C 已转未选备选，没有待播放位置；保留旧 paragraph/citation 身份而不整体重编号。这里只区分新贡献与旧状态的控制，不宣称输入门在数学上无法影响未来状态。

三人署名与 1999 会议 / 2000 长篇分别归原件。遗忘门先缩放旧状态，再加新贡献，可连续渐退；卡片退出只是关系类比，不是文本擦除算法。

点单卡与练成的方法用于区分运行状态与训练权重；遗忘门不删训练知识。过早减弱重要信息会有害是条件性解释，不把越忘越好当研究结论。

作者连续人工任务结果，未复跑或引用未逐项复核的成功率。顾客接续仅收束使用条件的类比，不证明模型真的处理连续自然语言订单。

少糖情境回收与历史贡献分开；1991 诊断、1997 共同设计、三人后续状态控制均有原文前提。无真实订单实验、唯一发明或任意持续任务成功主张。

明确点单卡只是数值状态类比，文件式 agent 的外部记录是不同对象；问题可比较，不暗示文件操作是遗忘门、agent 回到 LSTM 或摘要/检索错就是梯度消失。

少糖和聚餐都是构造；两项具体行动回收原有主张，末句是编辑判断，不当人类记忆定义或已测产品效果。没有永不遗忘或产业胜利结论。