تهدف التعلم المتعدد إلى تعلُّم نموذج من تدفق من المهام بحيث يكون النموذج قادرًا على التعميم عبر المهام والتكيف السريع مع مهام جديدة. نقترح تعلُّم نموذج يعتمد على الطاقة (EBM) في الفضاء المخفي لنموذج توليدي من الأعلى إلى الأسفل، بحيث يتمكن النموذج من التعلُّم بكفاءة في الفضاء المخفي ذي الأبعاد المنخفضة والتكيف السريع مع كل مهمة. علاوةً على ذلك، يربط مصطلح الطاقة بين متجه مخفي مستمر وعلامة رمزية على شكل متجه واحد-حرفي (one-hot). يسمح هذا التكوين بالارتباط بتمكين النموذج من التعلُّم بطريقة غير مراقبة عند عدم معرفة العلامات. يتم تدريب نموذجنا بطريقة غير مراقبة في مرحلة التدريب المتعدد، ويتم تقييمه بطريقة شبه مراقبة في مرحلة الاختبار المتعدد. وقد تم تقييم نموذجنا على معايير شائعة الاستخدام في التعلم المتعدد للحالات القليلة، مثل Omniglot وMini-ImageNet، حيث حقق أداءً تنافسيًا أو أفضل مقارنةً بالنماذج السابقة الأكثر تقدمًا في مجال التعلم المتعدد.