本研究探讨在连续学习中如何个性化文本到图像扩散模型，尤其是在无法访问旧数据的情况下。提出利用扩散分类器分数进行正则化，以保留旧概念并有效获取新概念，结果显示该方法在多种评估中优于现有技术，实现零存储和参数开销。