RECALL是一种重播增强方法，通过自适应规范化和旧任务的策略蒸馏，在新任务上增强普适性和稳定性，改善持续强化学习中的灾难性遗忘问题。在Continual World基准测试中，RECALL的性能优于完美记忆重播，与最先进的持续学习方法相比，整体性能相当甚至更好。