绍兴市网站建设_网站建设公司_CMS_seo优化

一、核心目标不同

1. 半监督学习（Semi-Supervised Learning, SSL）

目标：
在标注数据很少、未标注数据很多的情况下，提高模型在当前任务上的性能。

本质问题是：

“如何更好地利用未标注数据，弥补标注样本不足？”

2. 元学习（Meta-Learning）

目标：
让模型具备快速适应新任务的能力，用很少的数据就能学会一个新任务。

本质问题是：

“如何让模型学会‘如何学习’？”

二、学习对象不同

三、元学习方法

• 基于优化的：MAML、Reptile

• 基于度量的：ProtoNet、Matching Net

• 基于模型的：Meta-LSTM、Meta-Transformer

关键点：在任务层面进行训练与泛化。

四、训练与推理阶段差异

半监督学习

• 训练阶段：有标注 + 无标注

• 推理阶段：普通预测

• 任务不变

元学习

• 元训练阶段：多个任务

• 元测试阶段：新任务，小样本快速适应

• 明确区分 support / query