概念Multi-task Learning / MTL
多任务学习
机器学习范式，让模型同时优化多个相关任务目标，通过共享参数实现知识迁移，提升模型泛化能力
核心事实
时间轴 (近 90 天)
10月22日
若某任务单任务也仅 0.40，说明瓶颈在数据质量、特征表达或标签定义；若单任务明显更高，则问题更可能出在共享层的任务冲突或损失权重上。
待验证50%
10月22日
多任务训练对学习率敏感，可以尝试更小的学习率、warmup 或分层学习率。
待验证50%
10月12日
在多任务学习场景中，传统后处理方案每个任务都可能需要独立校准组件，带来成倍增长的计算与管理负担
待验证50%
9月19日
业界实现宽谱检测的主要路径有两种：多任务学习框架，以及基础模型加任务头的架构
待验证50%
9月6日
多任务学习面临负迁移（negative transfer）风险，当任务间的梯度方向冲突时联合训练可能损害单个任务的性能
已验证75%
9月5日
统一架构设计通过共享的特征提取器和解码器处理所有任务，允许不同任务之间的知识迁移
待验证50%
全部知识事实 (6)
已验证
多任务学习面临负迁移（negative transfer）风险，当任务间的梯度方向冲突时联合训练可能损害单个任务的性能
75%待验证若某任务单任务也仅 0.40，说明瓶颈在数据质量、特征表达或标签定义；若单任务明显更高，则问题更可能出在共享层的任务冲突或损失权重上。
50%待验证多任务训练对学习率敏感，可以尝试更小的学习率、warmup 或分层学习率。
50%待验证在多任务学习场景中，传统后处理方案每个任务都可能需要独立校准组件，带来成倍增长的计算与管理负担
50%待验证业界实现宽谱检测的主要路径有两种：多任务学习框架，以及基础模型加任务头的架构
50%待验证统一架构设计通过共享的特征提取器和解码器处理所有任务，允许不同任务之间的知识迁移
50%