英文：Multi-Task Training 分类：training
用一个模型同时学习多个任务（共享参数、多任务损失联合优化）的训练方式：通过任务间知识共享提升泛化与数据效率（如 T5、MT-DNN），指令微调是其现代大规模形态。
设计：任务头共享 vs 统一格式（指令化）、损失加权（任务均衡）、采样配比（防大任务主导）；收益：数据效率（共享表示）、正则化（任务多样性防过拟合）、少样本迁移（任务间泛化）；挑战：任务冲突（负迁移）、收敛不均；现代：指令微调（数百任务统一为文本生成）；评估：多任务平均分。
用于指令微调（T5/FLAN/ChatGPT 数据）、多模态训练（视觉+语言）、持续学习基础（任务序列）与 NLP 系统统一（单模型多能力）。