小样本学习（概念区分）VS对比学习VS元学习的联系与区别
小样本学习（Few-Shot Learning）、对比学习（Contrastive Learning）与元学习（Meta-Learning）之间的关系容易混淆，这里对这三个概念进行区分：
一、三者之间的联系
- 目标： 三者均致力于提升模型在数据量小的场景下的泛化能力：
- 对比学习：通过自监督任务（如实例/时序对比）学习通用特征表示，为小样本任务提供高质量初始表征。
- 元学习：优化任务泛化初始参数（如梯度调制网络）以支持新任务的快速适配，直接服务于小样本学习需求 。
- 层级互补性：三者常形成联合训练范式：
- TS2Vec通过对比学习预训练时间序列特征，元学习则基于此特征在小样本场景中优化分类器参数。
- 原型网络（Prototypical Networks）结合对比度量与元任务采样，实现低样本精度提升。
二、三者之间的区别
| 维度 | 对比学习 | 小样本学习 |
|---|