模型无关元学习算法，通过学习一个能被少量样本快速微调的初始化参数空间，使模型具备快速适应新任务的能力
典型的元学习方法包括基于优化的方法（如MAML）、基于度量的方法（如原型网络）和基于模型的方法
MAML（Model-Agnostic Meta-Learning）试图学习一个能被少量样本快速微调的初始化参数空间