通用预测学习器是一种利用元学习的强大方法，能够快速从有限数据中学习新任务。通过广泛接触不同的任务，可以获得通用的表示，从而实现通用问题解决。本产品探索了将最强大的通用预测器——Solomonoff归纳（SI）——通过元学习的方式进行摊销的潜力。我们利用通用图灵机（UTM）生成训练数据，让网络接触到广泛的模式。我们提供了UTM数据生成过程和元训练协议的理论分析。我们使用不同复杂度和普适性的算法数据生成器对神经架构（如LSTM、Transformer）进行了全面的实验。我们的结果表明，UTM数据是元学习的宝贵资源，可以用来训练能够学习通用预测策略的神经网络。