本文提出了一种基于条件神经过程的多任务分类方法，该方法在多任务训练后能够自适应地适应新任务，并与元学习和少样本学习建立联系。实验结果表明，该方法在Meta-Dataset基准测试中取得了最先进的效果，具有高质量的迁移学习能力。该方法稳健性好，避免了过拟合和欠拟合问题，计算效率高，能在连续学习和主动学习方面超越现有方法。