本研究提出了一种自动化的持续指令调优框架，解决了现有方法在选择新知识学习方面的不足。该框架动态筛选输入数据，减少冗余，显著降低计算成本66.7%，提高模型性能，实现自主更新，展示了其有效性。

本研究提出了一种示例屏蔽框架，旨在解决多模态增量学习中的信息处理与知识学习冲突，降低存储需求并提高旧知识的重放效率。实验结果表明，该框架在有限内存条件下能更有效地防止灾难性遗忘。