MAML

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

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

小样本学习（Few-Shot Learning）的主流方法包括基于度量学习的Siamese Network、基于元学习的MAML，以及结合预训练大模型的提示微调

孪生网络通过学习样本间的相似度度量进行分类，原型网络为每个类别计算原型表示进行匹配，MAML通过元学习使模型快速适应新任务