本文是一篇关于一阶元学习(First-Order Meta-Learning)算法的学术综述。文章系统梳理了 MAML 等主流元学习方法的理论基础与优化策略,重点探讨如何通过简化二阶导数计算来提升训练效率。由于缺乏具体实验数据或新模型发布,其核心价值在于理论框架的整理而非技术突破。
On first-order meta-learning algorithms