本研究提出了一种新方法，通过脑启发的类比生成器（BiAG）解决传统少量样本类增量学习在学习新类别时无法有效利用旧知识的问题。该方法在增量阶段无需参数微调即可生成新类别的权重，实验结果表明其在多个数据集上的精度超过现有方法。

本研究提出了参数化技能扩展与组合(PSEC)框架，旨在提高技能扩展效率和知识利用率。PSEC有效整合技能库，促进灵活扩展和直接组合，展现出应对新挑战的能力。