Ein Paradigma des maschinellen Lernens, bei dem mehrere KI-Modelle gemeinsam trainiert werden oder ein einzelnes Modell auf mehreren verwandten Aufgaben (Multi-Task Learning) gleichzeitig trainiert wird. Ziel ist oft, Wissen zwischen den Modellen oder Aufgaben zu teilen, die Generalisierungsfähigkeit zu verbessern und die Gesamtleistung zu steigern.