标签
提出了一种分层贝叶斯框架，用于从多个稀疏、含噪声的数据集中对动力系统进行元学习，利用基于梯度的MCMC与嵌入的ODE求解器，对共享参数和数据集特定参数进行高效的后验推断。
提出了一种名为MEDIC的新型元学习策略，用于开放集域泛化，该策略通过域和类别划分间的隐式梯度匹配来实现更优的边界。实验表明其性能达到最先进水平。
本文介绍了Connect the Dots（CoD），这是一个通过强化学习训练LLM的框架，用于培养长期生命周期智能体的元能力，实现持续学习和跨域泛化。
提出 ReGrad，一种将梯度视为可检索知识单元用于持续后训练的范式，通过将文档特定梯度存储在梯度银行（Gradient Bank）中，并在推理时检索查询相关梯度进行临时权重适应，从而避免累积权重漂移。
本文认为，最近声称神经网络已解决Fodor和Pylyshyn的系统性挑战的结论为时过早。作者表明，用于组合性的元学习模型在分布外泛化方面失败，甚至在分布内问题上也表现出非系统性行为，从而得出结论：该挑战仍未解决。
提出WIZARD，一种权重空间元学习框架，它从语言指令和演示视频中为冻结的VLA策略生成任务特定的LoRA参数，从而实现无需微调的高效任务自适应。
本文提出了一个三阶段诊断框架，用于识别离线模型选择器为何无法胜过最佳单一模型，并将其应用于edX点击流数据上的辍学预测。研究发现瓶颈在于局部表征歧义，而非学习器选择或分布偏移，建议重新设计状态或收集新数据，而非进一步调优算法。
SePO（自进化提示优化）提出了一种自指涉提示智能体，通过进化搜索同时优化任务智能体的系统提示和自身的系统提示。在包括 AIME'25、ARC-AGI-1 和 GPQA 在内的五个基准测试中，SePO 的表现优于 Manual-CoT、TextGrad 和 MetaSPO。
R-APS（反思性对抗帕累托搜索）是一种面向约束设计任务的新方法，通过跨三个时间尺度的推理模式分解，解决了基于LLM的智能体系统中的三类结构性缺陷——错误传播、鲁棒性评估与知识失效，且无需微调。在平面机构综合任务上的评估结果表明，与基线方法相比，R-APS实现了3.5倍更紧的鲁棒性证书、46%更快的首次准入迭代速度，以及2.1倍的Chamfer距离缩减。
CHAM-net提出了一种对比分层自适应元网络，能够捕捉站点特定和跨年动态，用于稳健的全球甲烷通量预测，在模拟和观测数据集上均优于基线方法。
本文认为，LLM中的遗忘应依赖于目标，提出了一种基于余弦的元学习RMU变体用于危险知识遗忘，以及一种结合探针方向的多层目标用于毒性遗忘，在四个7-8B模型上取得了显著效果。
本文从理论上刻画了神经过程（NP）架构的表征能力，证明了条件NP、注意力NP、卷积NP和Transformer NP之间存在严格的层级关系，并表明有限维潜变量不会将表征能力扩展到编码器之外。
本文将对高斯过程和潜在神经过程后验之间的预测KL散度分解为三项，提供了刻画近似误差的上界，并将表示维度与核平滑度联系起来。
SOLAR提出了一种自我优化的自主代理，利用参数级元学习和多层次强化学习，使LLMs能够对非平稳数据流进行终身适应，在推理任务上超越基线。
Jerry Tworek和François Chollet讨论通往AGI之路，涵盖智能的定义、游戏的作用以及为什么元学习是最接近的方法。
本文介绍了 NoiseRater，这是一种元学习框架，在扩散模型训练期间为各个噪声样本分配重要性评分，以提高训练效率和生成质量。
本文介绍了 RubricEM，这是一个强化学习框架，它利用量规引导的策略分解和基于反思的元策略进化，为长篇任务训练深度研究智能体。所得到的 RubricEM-8B 模型通过利用阶段感知规划和更密集的语义反馈，在长篇研究基准测试中表现出强劲的性能。
孟菲斯大学研究团队提出 HAMR——一种模型无关的元学习框架，通过双层优化与邻域感知重采样，在六个不平衡 NLP 数据集上自适应地为困难样本与少数类重新赋权。
FSPO提出了一种用于大语言模型个性化的少样本偏好优化算法，该算法将奖励建模重新定义为元学习，使模型能够从有限的用户偏好中快速推断出个性化的奖励函数。该方法通过精心构建合成偏好数据集，在合成用户上实现了87%的个性化性能，在真实用户上实现了70%的个性化性能。
本文提出 ACSESS 方法，用于自动组合多种样本选择策略来改进少样本学习的性能，涵盖上下文学习和梯度优化两种方法。该工作在包含文本和图像两种模态的 14 个数据集上证明，策略组合的效果始终优于单个选择方法。