Multi-task Learning

定义 Definition

多任务学习：一种机器学习方法，让同一个模型同时学习多个相关任务，通过共享表示（shared representations）在任务之间“互相帮助”，常用于提升泛化能力、减少过拟合，或在数据较少的任务上借助其他任务的信息。也常写作 multitask learning。

发音 Pronunciation (IPA)

/ˌmʌltiˈtæsk ˈlɝːnɪŋ/

例句 Examples

Multi-task learning can improve accuracy when tasks are related.
多任务学习在任务彼此相关时可以提升准确率。

By training a single network with multi-task learning, the system shared features across sentiment analysis and topic classification, reducing overfitting and training time.
通过多任务学习训练一个网络，系统在情感分析与主题分类之间共享特征，从而减少过拟合并缩短训练时间。

词源 Etymology

该术语由 **multi-**（“多的、多个”）+ task（“任务”）+ learning（“学习”）构成，字面意思就是“多任务的学习”。在机器学习语境中，1990年代逐渐系统化，尤其因 Rich Caruana 的论文《Multitask Learning》（1997）而广为人知，用来描述“用共享结构同时学习多个任务”的训练范式。

相关词 Related Words

• Auxiliary Task
• Domain Adaptation
• Fine-tuning
• Meta-learning
• Regularization
• Representation Learning
• Shared Representation
• Transfer Learning

文学与著作中的用例 Literary Works

• Rich Caruana. “Multitask Learning”（1997）：经典综述式论文，系统阐述多任务学习的动机与方法。
• Ian Goodfellow, Yoshua Bengio, Aaron Courville. 《Deep Learning》（2016）：在深度学习框架下讨论多任务学习与共享表示等相关主题。
• Kevin P. Murphy. 《Machine Learning: A Probabilistic Perspective》（2012）：在概率建模视角下涉及多任务/相关任务的学习设定与思想。