Meta-Learning: Learning to Learn Fast

元学习旨在让模型像人类一样通过少量样本快速适应新任务，其核心思想是"学会学习"。文章将元学习建模为在任务分布上优化期望损失，每个任务视为一个数据样本，并通过构造支持集与预测集来模拟少样本分类中的快速学习过程。训练过程模仿测试时的有限标签暴露机制，使模型能泛化到未见过的任务配置。