Aprendizado Multi-Tarefa

Aprendizado Multi-Tarefa (MTL) é um paradigma de aprendizado de máquina no qual um modelo é treinado simultaneamente em múltiplas tarefas relacionadas, compartilhando representações entre elas para melhorar a generalização. Introduzido formalmente por Rich Caruana em 1997, o MTL baseia-se na intuição de que tarefas auxiliares atuam como viés indutivo, fornecendo sinais de supervisão adicionais que ajudam as camadas compartilhadas a aprender representações de características mais ricas e robustas do que o treinamento de tarefa única produziria.