本文研究了持续学习中的任务增量分类方法，提出了一种新的框架以平衡稳定性与可塑性。通过多个基准测试，比较了11种持续学习方法，并提出了解决遗忘问题的方案，如任务无关表示巩固（TARC）和有监督对比学习框架，展示了其在不同学习场景中的有效性和优越性。

本文研究了基于任务增量分类的持续学习方法，并通过三个基准测试和综合实验比较了11种持续学习方法和4种基线方法的强弱和影响。