通过实证评估国内外文献中的在线持续学习方法，发现大多数方法存在稳定性和欠拟合问题，但表示质量与独立同分布训练相当。经验回放方法是一种强大的基准方法，发布了模块化和可扩展的代码库来复现结果。

本文通过实证评估国内外文献中解决在线持续学习问题的方法，重点关注图像分类中的增量类别设置。发现大多数方法存在稳定性和欠拟合问题，但所学习的表示与独立同分布训练相当。经验回放方法是一种强大的基准方法。发布了模块化和可扩展的代码库来复现结果，并鼓励未来研究。