论文信息：
Nichol A , Achiam J , Schulman J . On First-Order Meta-Learning Algorithms[J]. 2018.
摘要
文章从一个任务分布中抽取许多任务来训练元学习模型，使其可以更快的学习这个分布中未遇到的任务。
仅在元学习更新过程中仅使用一阶微分，就能得到在新任务上实现快速微调的参数初始化。
这里介绍两种算法：扩展FOMAML和Reptile。First-order MAML是一阶MAML，忽略了二阶导数得到MAML的近似值；Reptile从一个任务中重复采样训练，然后将初始化值移动到该任务的训练权重（？？）
参考文献：
⭕ 作者博客