本文介绍了一种基于神经突触可塑性的动态生成记忆模型，旨在解决连续学习中的老知识保留和模型容量扩展问题。提出的MuFAN框架及其他方法如Split2MetaFusion和AdNS，通过不同策略实现了网络的稳定性与可塑性平衡，实验结果表明其在多个数据集上优于现有方法。