本文提出了一种高效的持续学习方法，使用EAR框架处理领域转移下的非平稳数据分布和新数据。该方法利用DNN特征编码器和浅层网络进行训练，使用ZS-NAS识别低参数神经适配器以适应分布之外的数据，并通过适配器和重构器处理领域增量和类增量的持续学习。实验证明该方法具有强大性能。