本研究提出了一种新方法，通过构建提示池来解决持续关系提取中的灾难性遗忘问题，结果表明该方法优于现有技术。

该文综述基于提示学习的持续学习方法，以缓解灾难性遗忘。代表性方案包括：L2P通过动态提示池管理任务不变与特定知识；DualPrompt无需回放缓冲即可学习任务指示；Progressive Prompts将语言模型准确率提升逾20%；Fed-CPrompt应对联邦持续学习中的遗忘问题；FCILPT、APG、CPP分别改进类增量学习、自适应提示生成与对比原型，在多项基准测试中显著优于现有方法。