연구진이 변분 추론 기반의 새로운 메타 학습 프레임워크를 제안했어요. 이 프레임워크는 신경망 파라미터를 메타 학습된 저차원 공간에 제한하여 데이터 효율성을 높여요. 기존 방식은 결정론적이었지만, 제안하는 방식은 생성적 사전 분포를 학습하여 불확실성 정량화가 가능해졌어요. 정적 회귀 작업과 Bouc--Wen 동적 시스템 벤치마크에서 기존 방식과 유사한 예측 정확도를 보이며, 데이터가 부족한 환경에서 교정된 불확실성 경계를 제공해요.