本研究针对元强化学习在多任务优化中的瓶颈，提出了一种简单且可扩展的方法，解决了因任务回报尺度不均导致的训练损失不平衡问题。该方法在不同环境中取得了显著进展，推动了在线多任务适应和记忆问题的解决。