元学习（Meta-learning）

元学习，顾名思义，就是学习如何学习。传统的机器学习方法通常需要大量的数据和时间来训练模型，而元学习旨在通过少量的数据和快速的适应能力，使模型能够更高效地学习新任务。

MAML（Model-Agnostic Meta-Learning）详解

一句话版（先记住这个）

MAML = 学一个“参数初始化”，使模型在遇到新任务时，只需极少步梯度下降就能学好。

关键词：

  • 学的不是最终模型
  • 学的是 初始化
  • 目标是 快速适应新任务

一、为什么需要 MAML？（直觉）

我们经常面对一族相关任务，例如：

  • 不同但相似的分类任务
  • 多个强化学习环境
  • 不同类型的数学题、推理任务

传统方法的问题：

  • 每个任务重新训练，成本高
  • 训练一个统一模型，泛化能力有限

我们真正想要的是：

来一个新任务，只需要少量数据和少量梯度更新就能学好

这就是 Meta-Learning（学会学习） 的核心动机。