下面的要训练m次。


假设所有任务之间，有共同的一个参数ω0.
ωi = ω0 + Δωi的意思是ωi在ω0的基础上，有一个变化量 Δωi

λ Δ||ω||2加了正则想，如果多任务的相关性比较强，那么loss就比较低，训练的比较好。但是如果它们的相关性很低，Δω就会比较大，loss就会很大。

rank最少的，非共线的向量的数量。如果是共线向量，这两个向量在机器学习中表达的含义是一样的。比如（1，2，3）表示and这个单词，（2，4，6）表示也是and的含义。




PT将三个向量，映射到相似的方向上。task就更加的相关了。



第3张图中，可以看到Δω保留了原task的方向信息。