元学习网络学会“加减”函数：把两个已适应网络相减再相加，新网络未经训练就实现目标函数
元学习（先用大量相关函数训练网络，使其更容易学会同类新函数）得到的初始化，让网络快速适应后的参数向量之间出现可加减的几何关系。在ABgeom序列生成任务上，随机初始化Transformer训练五步后平均F-score仅0.062，而元学习初始化一步即达1.00；把已适应网络的参数向量按符号类比相减再相加，所得网络未经直接训练，在100个类比上平均F-score为1.00。这一现象在Transformer与LSTM、三个函数域上均出现，但类比只在单个初始化附近成立。