Multitask Learning

释义 Definition

多任务学习：一种机器学习方法，让模型同时学习多个相关任务，通过共享表示（shared representations）在任务之间迁移有用信息，从而常常提升泛化能力、数据效率与鲁棒性。（在深度学习中常见于共享底层网络、分支输出头的架构。）

发音 Pronunciation

/ˌmʌltiˈtæsk ˈlɝːnɪŋ/

例句 Examples

Multitask learning helps a model learn several related tasks at once.
多任务学习能帮助模型同时学习几个相关任务。

By training a shared encoder with multitask learning, the system improves both sentiment classification and topic detection, especially when labeled data is limited.
通过多任务学习训练一个共享编码器，该系统能同时提升情感分类与主题检测的效果，尤其在标注数据有限时更明显。

词源 Etymology

由 multi-（“多、多个”）+ task（“任务”）+ learning（“学习”）组成。作为机器学习术语，“multitask learning”在20世纪90年代逐渐固定，用来描述通过共享参数/特征联合训练多个任务的思想；该方向在 Rich Caruana 等人的研究与综述中被系统化。

相关词 Related Words

• Transfer Learning
• Multi-Task
• Shared Representation
• Auxiliary Task
• Regularization
• Fine-Tuning
• Meta-Learning
• Domain Adaptation
• Hard Parameter Sharing
• Soft Parameter Sharing

文学与著作 Literary Works

• Rich Caruana, “Multitask Learning” (1997), Machine Learning（经典论文，系统阐述多任务学习）
• Ian Goodfellow, Yoshua Bengio, Aaron Courville, Deep Learning（讨论共享表示、联合训练与相关实践）
• Christopher M. Bishop, Pattern Recognition and Machine Learning（涉及多任务/多输出与共享表示的相关思想）
• Kevin P. Murphy, Machine Learning: A Probabilistic Perspective / Probabilistic Machine Learning（从概率建模角度讨论多任务与相关结构）