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。

本文分析了少样本类增量学习（FSCIL）的最新进展，提出了五个子领域的划分方法，并介绍了其在计算机视觉和自然语言处理中的应用。研究提出的新方法PL-FSCIL通过视觉提示提升模型性能，实验结果在多个数据集上表现优异。此外，还提出了减轻灾难性遗忘的算法和基于元学习的方法，展示了在有限数据下的有效性。