机器之心消息，为给元学习研究社群提供关于元学习的概念基础，以构建在广泛领域中运行的新的可扩展代理，来自DeepMind的研究团队近日发布了一份关于元学习的报告。报告中，研究人员将基于记忆的元学习视为一种用于构建样本有效策略，从过去的经验中学习以适应目标类中的任何任务的工具。报告提出了用于构建近似最优预测器和强化学习器的基本算法模板，并在贝叶斯框架内重建基于内存的元学习，表明元学习策略接近最优。研究人员称，在本质上，基于记忆的元学习将概率序贯推理的难题转化为了回归问题。