本文提出了一种用于在线连续学习问题的简单算法，该算法采用kNN分类器和通用预先训练的特征提取器，可以在小的计算预算下紧凑存储和利用整个数据流，既能减少过往数据的灾难性遗忘，同时也能快速适应快速变化的数据流。在Continual LOCalization (CLOC)和Continual Google Landmarks V2 (CGLM)两个大规模OCL数据集上取得了最新的技术水平。

本文提出了一种用于在线连续学习问题的简单算法，该算法采用kNN分类器和通用预先训练的特征提取器，可以在小的计算预算下紧凑存储和利用整个数据流，同时减少过往数据的灾难性遗忘，快速适应快速变化的数据流。在Continual LOCalization (CLOC)和Continual Google Landmarks V2 (CGLM)两个大规模OCL数据集上取得了最新的技术水平。

本文提出了一种用于在线连续学习问题的简单算法，采用kNN分类器和通用预先训练的特征提取器。该算法能够在小的计算预算下紧凑存储和利用整个数据流，减少过往数据的遗忘并快速适应变化的数据流。在CLOC和CGLM两个大规模OCL数据集上取得了最新的技术水平。