元强化学习
元 RL 在任务分布上训练，使智能体能在新任务中用少量经验快速适应。本章比较基于梯度（MAML）、基于记忆/上下文（RL²、上下文学习）与基于任务推断（PEARL）的三类方法，并讨论大模型的上下文学习与元 RL 的关系。
- RL² 把适应过程本身变成 RNN 的前向传播
- 任务分布的设计决定元学习能否成立
- Transformer 的上下文学习是隐式元 RL
元 RL 在任务分布上训练，使智能体能在新任务中用少量经验快速适应。本章比较基于梯度（MAML）、基于记忆/上下文（RL²、上下文学习）与基于任务推断（PEARL）的三类方法，并讨论大模型的上下文学习与元 RL 的关系。