在稀缺标注数据约束下改善开放世界持续学习

本研究解决了开放世界持续学习中对大量标注数据的依赖问题，提出了开放世界少样本持续学习的新框架。该框架结合实例级别的标记增强、基于边界的开放检测和自适应知识空间，显著提高了在稀缺标注数据情况下的学习效果，具有实际应用价值。