本文提出了一种基于高斯过程和贝叶斯推理的功能正则化框架，以解决神经网络的遗忘问题。研究表明，通过控制KL正则化，可以增强未来任务的学习能力。同时，探讨了模型大小对持续学习性能的影响，发现更大的模型并不一定能减轻灾难性遗忘，强调了模型规模与学习效果之间的复杂关系。