元学习旨在从一系列任务的流式数据中学习一个模型，使得该模型能够跨任务实现良好泛化，并快速适应新任务。本文提出在自上而下的生成模型的低维潜在空间中学习一个基于能量的模型（Energy-Based Model, EBM），使得该EBM能够在低维潜在空间中高效学习，并快速适应各个任务。此外，能量项将连续的潜在向量与符号化的独热编码标签进行耦合。这种耦合机制使得当标签未知时，模型仍可实现无监督学习。我们的模型在元训练阶段以无监督方式学习，在元测试阶段则采用半监督方式进行评估。我们在少样本元学习中广泛使用的基准数据集Omniglot和Mini-ImageNet上对模型进行了评估，结果表明，该模型在性能上达到或超越了此前最先进的元学习模型。