我正在为博士阶段的研究项目提升一段基于 Python 的 MAML 代码。核心任务是重写并优化其中的损失函数，让模型在既定评估指标上取得更高的相关性与准确性，同时保持训练过程的稳定性和可读性。 目前的情况 • 代码环境：Python（PyTorch） • 优化重点：提高模型准确性（训练时间和显存占用可稍后微调） • 评估方式：我已准备好一套一致的指标与验证脚本，可即时对比优化前后的表现 你需要完成的工作 1. 审阅现有实现，定位瓶颈与冗余计算 2. 重新实现或改写损失函数（含向后传播部分），确保梯度计算无误 3. 添加必要的张量操作优化（向量化、批处理、内存共享等） 4. 在我的测试集上运行并提交结果报告，其中至少包括： ‑ 指标提升幅度与对比表 ‑ 主要改动点与实现思路 ‑ 后续可扩展或进一步精简的建议 交付标准 • 指标提升需在我提供的基线之上达到统计显著 • 代码应符合 PEP-8，包含注释与简明 README • 所有修改应能在标准 GPU 环境（CUDA 11+）一次性跑通，无额外依赖冲突 如果你熟悉元学习以及高效的 PyTorch 实践，并对性能调优有系统方法，请直接告诉我你做过的相关项目、预计的优化思路与最快可投入的时间。我期待与你合作，把这段关键代码打磨到科研级水准。