本文提出了一个任务导向对话系统的连续学习基准，通过时间添加新的领域和功能。实验证明，基于残余适配器的结构方法和简单的回放策略表现良好，但比多任务学习基线差。揭示了不同连续学习方法在参数使用和内存大小方面的权衡。发布了基准测试和基线，推动更多研究。

本文提出了一个任务导向对话系统的连续学习基准，可以通过时间添加新的领域和功能。实验证明，结构方法和回放策略表现良好，但比多任务学习基线差。同时揭示了不同连续学习方法之间的权衡，对对话系统设计很重要。发布了基准测试和基线，推动更多研究。

该研究提出了一种新的持续学习框架，结合了关联记忆和回放策略，使用稀疏内存编码归档数据片段，并引入面向内容的记忆检索机制。实验证明该方法在各种持续学习任务中有效。