本研究提出了一种新的元学习方法，旨在提升大型语言模型在抽象空间推理中的系统性泛化能力。实验结果表明，基于变换器的模型在新组合变换上表现优异，超越了现有语言模型，验证了元学习在非语言任务中的有效性。