本文介绍了一种名为TEAL的新方法，通过在内存中存储样本，显著提升了小内存缓冲区的经验重播性能，验证了在内存有限时优先选择典型数据的有效性。

时间序列分类中常出现新类别，系统需在学习新类别时避免遗忘旧类别，这就是类别增量学习（CIL）问题。尽管图像和语言领域有进展，但时间序列数据的CIL研究较少。本文概述了时间序列类别增量学习的问题和挑战，并开发了一个统一的实验框架，用于评估各种CIL方法。实验揭示了设计因素对性能的影响，为未来研究提供了基线。

IL<<(Intermediate Language)是.NET中的中间语言，也称为MSIL或CIL。它是C#或VB.NET等语言的源代码编译成的中间语言，具有平台无关性。IL<<(Intermediate Language)的版本可以在任何平台上运行，使开发人员只需编写一次代码即可在多种操作系统和处理器架构上运行。JIT编译器将IL转换为机器码，以确保在目标平台上获得最佳性能。