本文探讨了元强化学习中的任务信息受限问题，提出了多种方法，包括利用特权信息学习策略和任务信念、开发消息传递子任务图推理器（MSGI）以促进有效探索，以及基于多任务子任务图推断的少样本强化学习方法。这些方法在适应新任务和提高学习效率方面表现优越，实验结果显示其在安全性、性能和数据效率上均优于现有算法。