该文介绍了一个两阶段学习框架，解决类增量学习中的灾难性遗忘问题。该方法不依赖于保留旧类别样本，是一种非范例基于的 CIL 方法。实验证明，在公共数据集上，该方法在保留每类 5 个示例和 10 个阶段递增设置下，比最先进的范例基于方法在 CIFAR-100 上提高了 18.24%，在 ImageNet100 上提高了 9.37%。