从理论模型研究入手，聚焦多源异构数据的多重知识表达体系构建（研究内容1）、抗灾难性遗忘的稳健知识增扩（研究内容2）和人在回路的模型能力成长方法（研究内容3），旨在通过建立知识和数据相融合的连续学习理论模型，实现连续学习过程中的抗灾难性遗忘知识表达和稳健知识增扩，进而实现智能系统的主动模式探知和自主连续学习。

从应用评测研究入手，基于课题1中提出的相关理论模型，开展连续学习能力评估体系构建与测试（研究内容4），包括面向室内机器人的像素级内容理解（应用场景1）、面向电子商务的多源数据关联建模（应用场景2）和面向智能交通的物体检测（应用场景3），旨在将连续学习相关技术拓展到更为复杂的实际应用任务中，构建并开源相关基准数据集、软件框架及评测标准。