基于以上问题，来自 来自浙江大学和上海交通大学的研究团队提出了 一种更加灵活、更加通用的知识迁移方法，来应对多变的需求和挑战。这需要做到能跨越模型架构的差异，跨越任务类型的界限，甚至跨越不同数据模态之间的鸿沟，实现真正意义上的异构知识迁移。