本文介绍了应对少样本类增量学习（FSCIL）中灾难性遗忘问题的新方法，包括FCILPT、PL-FSCIL和CPE-CLIP。这些方法在多个数据集上显著提升了准确性，展示了实际应用潜力。

FCILPT是一种新方法，通过使用提示来减轻旧类别的灾难性遗忘，解决了非独立分布的数据和新类别的到来所导致的问题。实验证明FCILPT在CIFAR-100、Mini-ImageNet和Tiny-ImageNet上相比现有方法取得了显著的准确性改进。