Multitask Learning

Multitask Learning (MTL) er et maskinlæringsparadigme, hvor en model trænes samtidigt på flere relaterede opgaver, idet repræsentationer deles på tværs af dem for at forbedre generalisering. MTL, som formelt blev introduceret af Rich Caruana i 1997, bygger på intuitionen om, at hjælpeopgaver fungerer som induktiv bias og leverer ekstra supervisionssignaler, der hjælper de delte lag med at lære rigere, mere robuste trækrepræsentationer end enkeltopgavetræning ville give.