文章核心总结与翻译
一、主要内容
文章聚焦元强化学习（meta-RL）在非参数化任务变异场景下的泛化难题，提出了“子任务分解与虚拟训练（SDVT）”方法。该方法通过高斯混合变分自编码器（GMVAE）将非参数化任务分解为共享的基础子任务，基于子任务构成实现任务参数化；同时设计虚拟训练流程，生成假想子任务组合以提升对未见过子任务构成的泛化能力。在Meta-World ML-10和ML-45基准测试中，SDVT及其轻量化版本SDVT-LW显著超越现有最优方法，测试成功率分别提升约1.7倍和1.3倍。
二、创新点
三、核心部分翻译（Markdown格式）
Abstract（摘要）
元强
