Few-shot分类方法只需要少量的训练实例就可以使分类器适应新的类别。最先进的元学习方法（例如MAML）学习如何从有限的实例中初始化和快速调整参数，这些方法在Few-shot分类中展现了优秀的结果。但是，现有的元学习模型仅依赖于隐式的基于实例的统计信息，因此存在实例不可靠和可解释性差的问题。本期我们邀请到来自清华大学的董博文同学，用一种新的元信息指导元学习（MIML）框架，解决了此类问题。