تم استخدام التعلم المتعدد (Meta-learning) على نطاق واسع في تنفيذ التعلم القائم على عدد قليل من الأمثلة (Few-shot learning) والتكيف السريع للنماذج. وتشمل إحدى طرق التعلم المتعدد محاولة تعلُّم كيفية التحكم بعملية الانحدار التدريجي (gradient descent) بهدف جعل التعلم القائم على المدرجات يتمتع بسرعة عالية وقدرة تعميم جيدة. ويقترح هذا العمل طريقة تتحكم في عملية الانحدار التدريجي لمعاملات النموذج من خلال قيد هذه المعاملات ضمن فضاء خفي منخفض الأبعاد. والتحدي الرئيسي في هذا المفهوم هو الحاجة إلى وجود ديكوندر (Decoder) يحتوي على عدد كبير من المعاملات. ولحل هذه المشكلة، قام هذا العمل بتصميم ديكوندر ذي بنية نموذجية ومشاركة جزء من المعاملات داخله لتقليل عدد المعاملات المطلوبة. بالإضافة إلى ذلك، أُدخل مفهوم التعلم المجمّع (Ensemble learning) للعمل مع النهج المقترح بهدف تحسين الأداء. وأظهرت النتائج أن النهج المقترح يحقق أداءً متفوقًا في مهام التصنيف الخاصة بـ Omniglot وminiImageNet.