在论文《Meta-Learning surrogate models for sequential decision making》中，DeepMind 的研究人员提出了一种统一的概率框架，用以解决从贝叶斯优化到上下文赌博机（contextual bandits）和强化学习等顺序决策问题。概率框架通过基于概率模型的方法来实现，该方法既对观察到的数据进行了解释，又捕获到了决策过程中的不确定预测。关键的一点是，该概率模型被选择作为元学习系统，能够从相关问题的分布中学习，并使得数据有效地适应目标任务。作为该框架的一种适当实例，研究者探讨了基于统计和计算需要的神经过程应用。研究者将该框架应用于广泛的问题领域，如控制问题、推荐系统和对 RL 智能体的对抗攻击，表明这是一种高效和通用的黑盒学习方法。