机器学习的核心目标是利用学习机模型实现“数据”到“标记”的预测规律，但目前机器学习自身的设计主要依赖于人工。本研究方向的核心思想是通过机器学习的方式来模拟实现人类专家设置机器学习的过程，即模拟学习方法论（Simulating Learning Methodology, SLeM）。SLeM的核心目标是利用元学习机模型实现从“学习任务”到“学习方法”的预测规律（即学习方法论）。主要研究内容包括：

• SLeM的基础理论：SLeM的统计学习理论（学习方法论的泛化性理论）；SLeM的优化理论（双层优化算法的收敛性理论）；SLeM的表示理论

• SLeM的基础方法：基于元数据的元学习实现途径；基于元知识的元正则化实现途径；基于prompt任务表示的大模型实现途径

• SLeM的基础算法：机器学习自动化化算法簇（如数据自选择、标记自校正、模型自调节、损失自构建、算法自设计等）；任务自切换/环境自适应的机器学习基础算法