元學習 是什麼？
Meta-learning — 元學習 的完整解釋
元學習，又稱學習如何學習，旨在訓練模型能夠快速適應新任務或環境，透過少量樣本即可達到良好的效能。
容易混淆
元學習 vs 遷移學習
元學習：學的是快速適應新任務的能力。 遷移學習：把舊任務學到的知識搬到新任務。 最關鍵的區別：前者學「學習方法」，後者搬「既有知識」。
元學習 vs 少樣本學習
元學習：是一種訓練策略。 少樣本學習：是一種低資料場景。 最關鍵的區別：前者是方法，後者是情境。
記住這句就好
先學會怎麼適應新任務，再去面對新題目。
實際案例
新產品文案分類
公司每次上新品牌都只給少量標註，元學習可以先從很多舊品牌任務中練出快速適應能力。
個人化醫療
不同病人資料很少且差異大時，模型先學到跨任務的適應方式，比每次都從頭訓練更有效。
算法與應用
常見形式有模型式、度量式和優化式元學習。 訓練時會刻意把很多小任務當作訓練單位，讓模型在任務間反覆練習。 它和 few-shot learning、fine-tuning 常常一起出現。
情境判斷
Q1（情境題）： 如果新任務資料很多，元學習還值得做嗎？
→ 可能沒那麼必要。資料充足時，直接訓練或微調常常更簡單。
Q2（情境題）： 如果每個新任務都很像，只是資料很少，元學習有幫助嗎？
→ 很有幫助。因為它就是為了讓模型在相似任務之間快速適應。
相關術語
常見問題
元學習和微調是同一件事嗎？
不是。微調是把預訓練模型調到單一任務，元學習則是在訓練階段就設計成能快速適應。
元學習一定比傳統訓練好嗎？
不一定。只有在新任務少樣本、任務分布相近時，它才特別有優勢。
它跟終身學習有什麼差別？
元學習重點是快速適應新任務，終身學習重點是持續學新知識又不要忘舊知識。