本文研究了序列监督学习中的灾难性遗忘和容量饱和问题，提出了基于课程的评估标准和两种网络模型（Gradient Episodic Memory和Net2Net）。研究表明，动态生长的神经网络在增量学习中优于静态网络，通过上下文依赖的门控信号和任务特定调制参数，有效减轻遗忘现象，提升顺序学习能力。