深度生成人工智能是机器学习社区中的重要话题之一。增强学习通过创建新目标注入新的训练信号，能够从多个角度遵循人类的归纳偏好。本综述提供了一个高级别的综述，涵盖了广泛的应用领域和大规模语言模型领域。

本文研究了潜在表示中等变模型对归纳偏好的影响，并通过两个例子展示了这些原则的作用。作者还证明了等变神经网络中记录的现象在标准神经网络中也存在。

本文讨论了元学习和超越经典学习范式的方法，强调了归纳偏好和参数化的重要性，讨论了学习过程中的偏见，并通过结构化待学习概念组织学习过程。展望了未来的发展。