8月18日， 科技创新2030——“新一代人工智能”重大项目“连续学习理论和方法”项目进展季度研讨会暨结题预审会以线下线上结合的形式成功召开，项目负责人、项目责任专家、课题组骨干成员等相关成员参加了会议，会议由山东大学丛润民教授主持。此次研讨会是针对“连续学习理论和方法”项目的进展进行汇报、交流和总结，旨在推动项目结题工作的顺利进行。

首先项目负责人北京交通大学赵耀教授从项目概要、研究内容及成果概要三方面对项目的整体进展情况进行了概括介绍。随后，课题一骨干丛润民教授和课题二骨干代表北京交通大学朱泓光博士分别进行了课题进展情况报告。丛润民教授介绍了课题一的研究背景目标和课题进展概况，并主要介绍了课题一的重要成果，最后对课题一的完成情况进行总结并作后续展望。朱泓光博士汇报了课题二进展情况，细致了介绍课题二在三类连续学习场景中取得的重要成果，最后总结了课题二的整体完成情况并展望了未来研究方向。

在专家质询和指导环节，项目责任专家西安交通大学薛建儒教授和华东师范大学贺樑教授对项目两课题的完成情况进行了质询并给出指导意见。两位专家对项目当前的完成情况以及取得的代表性成果表示了肯定，同时希望增强项目两课题协同表达，凝练总结重要成果，紧扣任务研究主题，回答连续学习本质，力争优秀结题成果，推动我国在连续学习领域达到国际领先水平。

最后，项目负责人赵耀教授对两位项目责任专家的宝贵指导意见表达感谢，并强调项目组在后续阶段要系统总结已有成果，争取优秀结题。

至此，本次项目进展季度研讨会暨结题预审会顺利结束。

10月30日，科技创新2030—“新一代人工智能”重大项目 “连续学习理论和方法”项目进展季度研讨会以线上形式召开，项目负责人、课题负责人、项目组骨干成员等相关成员参加了会议，会议由山东大学丛润民教授主持。此次研讨会是针对“连续学习理论和方法”项目的进展进行汇报和交流，旨在推动项目研究工作的顺利进行。

首先项目负责人北京交通大学赵耀教授从项目概要、研究内容、预期成果和季度进展四个方面对项目的整体实施计划进行了概括介绍。随后，课题1负责人哈尔滨工业大学左旺孟教授和课题2研究骨干北京交通大学魏云超教授分别进行了进展报告。左旺孟教授主要介绍了课题1的主要研究内容和阶段性成果，并对后续的研究计划进行了展望。魏云超教授则对课题2的研究成果进行了细致的分析，并指出了下一步的研究重点和方向。

紧接着，项目组研究生做了具体内容的技术性报告。其中来自香港城市大学计算机系的陈锦芃同学介绍了他近期被NeurIPS接收的关于类增量语义分割的论文。在介绍中，陈锦芃同学先简要概括了类增量语义分割的任务定义和主要困难。随后，他逐一介绍了他的论文中解决这些困难的几个关键贡献点，包括原型重放、背景重复等。接着，展示了对比实验和消融实验的结果，证明了解决方案的有效性,最后与到场老师和同学展开了深入的交流;来自哈尔滨工业大学机器学习研究中心的黄梓桐同学做了关于小样本类增量学习（FSCIL）的研究报告。在报告中，黄梓桐首先对FSCIL任务定义做了介绍。然后分析了当前FSCIL任务的存在的问题以及已有方法的不足。接着介绍了一篇机器学习研究中心在FSCIL任务的研究工作：基于提示词学习的小样本类增量学习算法。最后，到场的老师及其他同学和黄梓桐同学展开更深入的交流

最后，项目负责人北京交通大学赵耀教授进行了总结，肯定了两个课题取得的阶段性研究成果。然而，他也强调了我们仍需努力的方向。首先，我们需要进一步加强研究内容与任务书的关联性，确保我们的研究工作紧紧围绕既定的目标和要求进行。其次，需要增强两个课题组之间的联系，将课题一的理论研究应用到课题二的实际应用场景当中去。以及注重工作的影响力、数据集的开放和演示等问题，我们需要查漏补缺，对照既定的指标进行针对性的技术攻关，覆盖到任务书的所有内容，提升我们的研究实力。

会后，项目组召开内部会议，并对下一步的研究计划进行了讨论。此次研讨会的成功召开，为项目的进一步推进奠定了坚实的基础。

5月25日，赵耀教授主持的科技创新2030—“新一代人工智能”重大项目“连续学习理论和方法”以线上线下相结合的形式召开了项目中期检查会。检查会专家组华东师范大学贺樑教授、中国科学院大学黄庆明教授、西安交通大学薛建儒教授（线上）、上海人工智能实验室王琦教授（线上）、浙江大学李玺教授（线上），科技部高技术中心丁莹副处长、北京交通大学高亮副校长、北京交通大学科研院牛利勇副院长，项目负责人赵耀教授、课题1负责人哈尔滨工业大学左旺孟教授等参加了会议。

首先，高技术中心的孟召宾老师介绍了科技创新2030-“新一代人工智能”重大项目中期检查工作要点。随后，北京交通大学副校长高亮教授代表项目牵头单位对与会嘉宾致以诚挚欢迎，并希望各位专家对项目多多指导，帮助项目取得突出成果。紧接着，项目负责人赵耀教授汇报了项目当前取得的阶段性成果。在专家质询与指导环节，与会各位专家都对项目取得的阶段性成果表示了肯定，并希望项目进一步围绕项目总体目标，凝练标志性成果，不断加强两个课题在理论与实验验证方面的协同，力争做出更具影响力的工作。最后，高技术中心丁莹副处长祝贺项目顺利通过中期检查，希望项目组继续深耕研究，为我国连续学习领域的发展贡献一份力量。

会后项目组成员召开了研讨会，进一步梳理了专家提出的问题，并规划了下一步研究重点和布局。

5月19日，赵耀教授主持的科技创新2030—“新一代人工智能”重大项目“连续学习理论和方法”以线上形式召开课题中期验收会。验收会专家组西安交通大学薛建儒教授、北京师范大学黄华教授、清华大学孙立峰教授、中国科学院自动化研究所徐常胜研究员，项目负责人赵耀教授、课题1负责人哈尔滨工业大学左旺孟教授、课题2骨干北京交通大学魏云超教授等20人参加了会议。

首先，项目负责人赵耀教授介绍了与会嘉宾及项目的整体背景。随后，课题1负责人哈尔滨工业大学左旺孟教授、课题2研究骨干北京交通大学魏云超教授分别汇报了两个课题当前取得的阶段性成果。在专家质询与指导环节，与会各位专家都对项目取得的阶段性成果表示了肯定，并希望课题之间进一步加强协同，凝练特色理论成果，突出应用研究特色，力争做出更具影响力的工作，推动我国在连续学习研究领域达到国际领先水平。至此，课题中期验收会顺利结束，会后项目组成员召开了研讨会，进一步梳理了专家提出的问题，并规划了下一步研究重点和布局。

4月4日，科技创新2030—“新一代人工智能”重大项目 “连续学习理论和方法”项目进展研讨会以线上线下相结合的形式召开，线下会场设置在北京交通大学，项目负责人、课题负责人、项目骨干均线下参会，共计十余人参加了此次季度研讨会议。

首先，课题1负责人左旺孟教授和研究骨干丛润民副教授分别整体介绍了各自课题组的相关研究进展。然后，课题2研究骨干魏云超教授进行了进展报告。最后，项目负责人北京交通大学赵耀教授进行了总结，肯定了两个课题取得的阶段性研究成果，并对即将到来的里程碑考核进行了充分的规划和布局。下一步的重点工作内容在于，一方面要进一步加强开展的研究内容与任务书的关联性，查漏补缺，对照指标进行针对性技术攻关；另一方面要注重成果的影响力，及时开源相关代码，组织专题论坛与国内外学者进行互动交流，推动领域持续向前发展。

12月6日，赵耀教授主持的科技创新2030—“新一代人工智能”重大项目“连续学习理论和方法”项目2022项目进展总结会在线上召开。科技部高技术中心季与点、孟召宾项目主管，项目牵头单位北京交通大学科学技术研究院荆涛院长、牛利勇副院长，科技部项目专家组和顾问专家组的贺樑教授、吴飞教授、吴枫教授、王琦教授、张勇东教授、吕科教授、崔鹏副教授，项目负责人赵耀教授、课题负责人左旺孟教授、项目组骨干成员等26人参加了会议。

首先，北京交通大学科学研究院院长荆涛教授代表项目牵头单位对与会嘉宾致以诚挚欢迎，并表示将继续一如既往地全力支持项目研究工作，保障项目顺利实施并取得突出成果。随后，项目负责人北京交通大学赵耀教授、课题1负责人哈尔滨工业大学左旺孟教授、课题2研究骨干北京交通大学魏云超教授分别从项目和课题角度阐述了项目2022年实施过程中取得的阶段性成果。在专家质询与指导环节，与会各位专家都对项目实施一年以来取得的阶段性成果表示了肯定，并希望项目进一步凝练研究内容，紧扣连续学习研究主题，夯实理论研究基础，突出应用研究特色，力争取得更加丰硕的研究成果，推动我国在连续学习研究领域达到国际领先水平。最后，北京交通大学科学技术研究院牛利勇副院长对会议进行了总结，感谢各位专家百忙之中对项目的指导和建议，也对赵耀教授在项目的组织和实施过程中付出的努力表示感谢，并表达了对项目未来做出更多突出性成果的期望。至此， 2022年度项目总结会顺利结束，会后项目组成员召开了研讨会，进一步梳理了专家提出的问题，并规划了下一步研究重点和布局。

10月23日，科技创新2030—“新一代人工智能”重大项目 “连续学习理论和方法”项目进展研讨会以线上线下相结合的形式召开，项目负责人、课题负责人、项目组骨干等相关成员20余人参加了会议，会议由北京交通大学丛润民副教授主持。

首先，课题1负责人哈尔滨工业大学左旺孟教授和参与人北京交通大学丛润民副教授分别整体介绍了各自课题组的相关研究进展。紧接着，课题1相关研究生做了具体内容的技术性报告，其中倪旻恒做了预训练生成模型辅助的无真实数据任务训练的相关报告，主要介绍了基于语言模型和文本到图像生成模型的无真实图片与标注的目标检测学习方法，将作为下阶段连续学习工作的前置工作；黄天毓做了CLIP2Point相关报告，主要介绍了2D Vision-Language模型在3D视觉中迁移学习新知识的统一表达形式；董伯文做了基于模型迁移方法的不完备监督学习相关报告，主要介绍了针对视觉自注意力网络的少样本学习和基于提示词微调的长尾学习，以上工作将成为下阶段连续学习工作的先置工作；黄梓桐做了面向不完备监督场景下的物体检测方法相关报告，主要介绍了基于监督信息检测的弱监督物体检测及基于模型参数融合的半监督物体检测，并思考了以上方法如何应用到连续学习任务中；罗宇轩做了关于对抗-对比连续学习模型进展报告，主要介绍了对抗-对比学习模型的整体结构、如何利用共有、私有特征构建对比学习约束以及部分实验结果，最后还介绍了关于SVD应用在连续学习的初步想法；熊航做了关于小样本分割的报告，主要介绍了当前小样本方法的原型范式以及当前的多原型方法总体存在的问题，并介绍了提出的多原型小样本分割解决方案。

然后，课题2研究骨干北京交通大学魏云超教授进行了进展报告。紧接着，课题2参研研究生分别进行了各自的成果与进展汇报，其中张泽康做了像素级图像理解的连续学习报告，主要介绍了一篇NeurIPS2022录用的增量学习研究成果和可理解增量任务及数据集的构建；朱泓光做了关于商品域多模态连续预训练的报告，主要介绍了关于商品域多模态预训练数据集建立和连续预训练的评价指标，以及多模态连续预训练模型的知识表征建立及其抗灾难性遗忘方法；方岩主要介绍了半监督与智能交通场景数据集的报告，介绍了数据增强视角下的半监督语义分割技术以及所构建行人或移动智能体视角的智能交通场景的数据集信息；焦思宇做了小样本分割任务的报告，主要介绍了今年NeurIPS的小样本分割文章，即基于掩码匹配Transformer的小样本分割方法。

最后，项目负责人北京交通大学赵耀教授进行了总结，肯定了两个课题取得的阶段性研究成果，并进一步对未来工作提出了一些建议，一方面要进一步加强开展的研究内容与任务书的关联性，对照指标进行针对性技术攻关；另一方面要注重成果的影响力，及时开源相关代码，推动领域持续向前发展。

2022年6月27日下午14时，项目组承办的连续学习前沿论坛通过线上会议的方式顺利召开，本次活动由中国图象图形学学会交通视频专业委员会和哈尔滨工业大学联合承办，并分别在三个平台进行了在线直播（腾讯会议、CSIG视频号和蔻享学术）。本次论坛邀请了哈尔滨工业大学的洪晓鹏教授和南开大学的刘夏雷副教授分别进行了学术报告，分享了连续学习领域的国际前沿技术。论坛由哈尔滨工业大学的左旺孟教授担任主席，项目负责人、CSIG交通视频专业委员会主任、北京交通大学赵耀教授参加本次活动并致词。

首先，哈尔滨工业大学的洪晓鹏教授作了题为“基于记忆空间拓扑保持的深度增量学习”的报告。洪教授针对深度神经网络在学习新任务新知识时的“灾难性遗忘”困境，围绕“记忆”的形式化，“记忆”的重要性质，以及“记忆”重要性质如何保持等问题，介绍了课题组在深度网络灾难性遗忘抑制方面的工作，并重点介绍学习与记忆相融合的深度增量学习框架，探讨了拓扑保持网络的使用、拓扑保持正则项的设计和增量学习的实验设置等内容。

随后，南开大学的刘夏雷副教授作了题为“连续学习方法及应用”的报告。刘教授从应用入手，重点介绍了连续学习在多种不同计算机视觉任务上的应用，包括图像分类、图像生成、图像分割和图像检测等领域，并对连续学习进展进行总结和展望。

最后，本次活动主席、哈尔滨工业大学左旺孟教授对此次活动进行了简要的总结，并对两位讲者的精彩分享表示感谢。至此，本次研讨会圆满结束。

6月27日，科技创新2030—“新一代人工智能”重大项目 “连续学习理论和方法”项目进展季度研讨会以线上形式召开，项目责任专家西安交通大学薛建儒教授、华东师范大学贺樑教授，以及项目负责人、课题负责人、项目组骨干成员等相关成员20余人参加了会议，会议由哈尔滨工业大学左旺孟教授主持。

首先项目负责人北京交通大学赵耀教授从项目概要、研究内容、预期成果和季度进展四个方面对项目的整体实施计划进行了概括介绍。随后，课题1负责人哈尔滨工业大学左旺孟教授和课题2研究骨干北京交通大学魏云超教授分别进行了进展报告。紧接着，两位责任专家对项目的开展情况进行了点评，肯定了项目取得的阶段性研究成果，并提出了中肯的建议，主要包括进一步把握项目的内部完整性、课题间的协同性、相关技术研究要点的针对性等。会后，项目组召开内部会议，进一步梳理了责任专家提出的意见和建议，并对下一步的研究计划进行了讨论。

连续学习前沿论坛

时间：2022年6月27日下午14:00-16:00

地点：线上 #腾讯会议：738-670-079

直播链接：

会议日程

14:00-14:05 CSIG交通视频专委会主任 赵耀教授致词

14:05-14:10 全体参会人员合影

14:10-15:00 哈尔滨工业大学 洪晓鹏教授报告

15:00-15:50 南开大学 刘夏雷副教授报告

15:50-16:00 活动主席 哈尔滨工业大学 左旺孟教授总结

主持人：魏云超、丛润民

报告题目：《基于记忆空间拓扑保持的深度增量学习》

报告摘要：本报告将针对深度神经网络在学习新任务新知识时的 “灾难性遗忘”困境，围绕“记忆”的形式化，“记忆”的重要性质，以及“记忆”重要性质如何保持等问题，简要汇报我们在深度网络灾难性遗忘抑制方面的工作，重点介绍学习与记忆相融合的深度增量学习框架，探讨拓扑保持网络的使用、拓扑保持正则项的设计和增量学习的实验设置等内容，并汇报我们近期在去中心化的增量学习以及深度伪造的连续检测方面的工作。

报告人简介：洪晓鹏，哈尔滨工业大学教授，博导。历任芬兰Oulu大学博士后、Docent（芬兰副高、博士生导师）和西安交通大学特聘研究员，澳洲国立大学访问学者和美国马里兰大学帕克校区访问教授。在深度增量学习、视频监控、多机器人策略分配和脸部微小运动分析等方面开展了多年研究。先后主持国家重点研发计划课题、面上基金、芬兰信息技术学会博士后基金等项目。在IEEE会刊和CCF A类会议上发表论文50余篇。在面部微小运动分析方面的相关工作见诸美国《麻省理工技术评论》等国际权威媒体专文报道并获IEEE芬兰区最佳学生会议论文奖。带队获ECCV20 Visdrone挑战赛无人机航拍多目标追踪赛道等多项重要国内外比赛的冠亚军。中国图象图形学学会情感计算与理解专业委员会副秘书长，视觉与学习青年学者研讨会(VALSE)执行领域主席。受邀担任PRL和SIVP等期刊的客座编委和主流国际会议IJCAI、AAAI、ACM MM和ICME的领域主席或资深程序委员。

报告题目：《连续学习方法及应用》

报告摘要：连续学习的目的是像人类一样学习，在动态变化的环境中不断学习新知识的同时，避免灾难性遗忘旧知识，是新一代人工智能系统的必备技能之一。本报告将重点介绍连续学习在多种不同计算机视觉任务上的应用，包括图像分类、图像生成、图像分割和图像检测等领域。最后对连续学习进展进行总结和展望。

报告人简介：刘夏雷，南开大学计算机学院副教授，硕士生导师。博士毕业于西班牙巴塞罗那自治大学，获Cum Laude优秀博士论文奖。 CVPR 2020年Doctoral Consortium获得者。曾在美国西雅图亚马逊AWS AI LAB担任应用科学家实习生。博士后工作于英国爱丁堡大学。长期从事连续学习、无监督学习、小样本学习等面向开放环境的机器学习和图像感知。共发表学术论文20余篇，包含TPAMI、NeurIPS、CVPR、ICCV等。担任多个顶级期刊和会议审稿人、VALSE 2022年注册主席。

左旺孟，哈尔滨工业大学计算机学院教授、博士生导师。主要从事图像增强与复原、图像编辑与生成、物体检测与目标跟踪、图像与视频分类等方面的研究。在CVPR/ICCV/ECCV等顶级会议和T-PAMI、IJCV及IEEE Trans.等顶级期刊上发表论文100余篇，谷歌学术引用30,000余次。发表ESI高被引论文8篇。提出的DnCNN模型被正式收入MATLAB 2017b及后续版本的Image Processing和Deep Learning Toolbox，并被CV-News Magazine作为Main Story专题报道，目前最高单篇引用1900余次。担任人工智能学会模式识别专委会常委、中国图象图形学会机器视觉专委会常委、中国图象图形学会青工委执委，国家自然科学基金重点项目负责人。曾任ICCV2019、CVPR2020/2021、ECCV 2022等CCF-A类会议领域主席及IJCAI、AAAI等CCF-A类会议高级程序委员，现任顶级期刊IEEE T-PAMI和T-IP等期刊编委。

魏云超，北京交通大学教授、博导。曾在新加坡国立大学、美国伊利诺伊大学厄巴纳-香槟分校、悉尼科技大学从事研究工作。入选MIT TR35 China，百度AI全球华人青年学者榜单，国家级青年人才计划，澳大利亚人TOP 40 Rising Star，曾获澳大利亚研究委员会青年研究奖，中国图象图形学学会科技技术奖一等奖，计算机视觉世界杯ImageNet竞赛冠军。 Google引用10600多次。主要研究方向包括面向非完美数据的视觉感知和多模态数据分析。

丛润民，北京交通大学信息科学研究所、数字媒体信息处理研究中心副教授，硕士生导师，入选中国科协“青年人才托举工程”、“北京市科技新星”计划。主要研究方向包括计算机视觉、多媒体信息处理、注意力感知与显著性计算、遥感影像解译与分析、开放环境下视觉内容增强等。在TIP、TCyb、TII、TMM、TCSVT、TGRS、NeurIPS、CVPR、ECCV、AAAI、IJCAI、ACM MM等国内外学术期刊及会议上发表论文60余篇，其中CCF A/IEEE Trans 论文40篇，ESI热点论文2篇、高被引论文9篇；出版英文专著章节2部。担任Neurocomputing、IEEE Journal of Oceanic Engineering等SCI期刊编委。荣获IEEE ICME最佳学生论文奖亚军、天津市科学技术进步一等奖、中国图象图形学学会优秀博士学位论文奖（全国10篇）、IEEE CVPR杰出审稿人、第十五届北京青年优秀科技论文奖、北京图象图形学学会优秀博士学位论文奖（京津冀6篇）等。

因疫情和假期原因，五月份月度会于2022年6月9日下午14时线上成功召开，哈尔滨工业大学左旺孟教授、北京交通大学丛润民副教授以及课题相关研究生十余人参与会议，丛润民副教授担任主持。

会议中课题组成员黄梓桐、罗宇轩分别进行了报告。首先，来自哈尔滨工业大学机器学习研究中心的黄梓桐同学做了关于弱监督物体检测（WSOD）方法研究的报告。在报告中，黄梓桐首先对WSOD任务定义和已有的经典方法进做了简要的介绍。然后分析了当前WSOD任务的存在的问题以及已有方法的不足。接着分别介绍了两篇机器学习研究中心在WSOD任务的研究工作：Boosting Weakly Supervised Object Detection via Learning Bounding Box Adjusters及W2N: Switching From Weak Supervision to Noisy Supervision for Object Detection。最后，到场的老师及其他同学和黄梓桐同学展开更深入的交流。

随后，香港城市大学的罗宇轩同学做了关于基于回放式连续学习的最新方法介绍。在介绍中，首先提出了两个回放式模型的问题：1.构造什么样的回放样本；2.回放样本起到什么作用。针对以上两个问题，分别介绍了MultiBand VAE 方法和CF-IL方法。前者介绍了如何考虑任务和类别间关联、生成边界清晰的回放样本；后者介绍了如何采用本身模型构建记忆样本缓解遗忘问题。最后对于两个关键问题进行进一步的讨论和分析。

此次报告会的顺利开展有利于及时把握课题的研究动态，有利于研究方案与技术路线的进一步细化梳理，对课题的高效、顺利实施具有重要的推进作用。

2022年4月28日下午14时，课题1项目组组织开展了四月份进展讨论会，课题相关成员20余人参加了此次讨论会，受疫情影响，会议线上举行，课题负责人哈尔滨工业大学左旺孟教授担任主持。

会议开始，项目负责人赵耀教授对此次活动的开展表示了高度的肯定和欢迎，并希望各位老师和同学们定期交流，掌握研究进度，紧密围绕课题任务书开展研究工作，力争做出有影响力、有曝光度的典型成果。

随后，课题组成员董伯文、罗宇轩和李文瑜分别进行了报告。首先，哈尔滨工业大学机器学习研究中心的董伯文同学做了关于基于少样本学习的视觉Transformer方法的报告。在报告中，董伯文首先对少样本分类任务定义和视觉Transformer及其演进做了简要的介绍，然后针对不依赖大规模预训练的视觉Transformer在少样本分类任务上的表现做了广泛的先行实验，并总结了这一实验设置下表现不好的原因。针对上述问题，董伯文提出了一套针对视觉Transformer在少样本学习任务上的训练框架，从方法和实验结果两方面做了细致的分析与讨论，并与近期相关工作在少样本分类任务上进行了对比和评价。

随后，香港城市大学的罗宇轩同学介绍了解决连续学习分类任务和跨模态检索任务的具体模型方法。其中对抗连续模型使用每个类别单个样本进行“回放”的方式学习任务间通用和特有信息，以此来解决连续学习任务；其中连续跨模态检索任务是首次进行探索和任务解构，研究了不同模态之间的偏移距离不同问题和遗忘问题。

最后，哈尔滨工业大学机器学习研究中心的李文瑜同学做了关于半监督人脸识别的报告。在报告中，李文瑜同学首先对人脸识别和半监督人脸识别任务做了简单的介绍。之后对半监督人脸识别的现状进行了概述，并指出了目前半监督人脸识别上的不足。最后，李文瑜同学对其针对现有半监督人脸识别问题的基于浅人脸数据半监督人脸识别工作，从方法和实验结果两方面进行了详细的论述。

此次报告会的顺利开展有利于及时把握课题的研究动态，有利于研究方案与技术路线的进一步细化梳理，对课题的高效、顺利实施具有重要的推进作用。

4月2日，科技创新2030—“新一代人工智能”重大项目2021年立项项目“连续学习理论和方法”项目启动暨实施方案论证会以线下线上相结合的形式召开，线下会场设在北京交通大学。科技部高技术中心、项目牵头单位北京交通大学领导，科技部项目专家组、项目顾问专家组，项目负责人、课题负责人、项目组骨干成员及专项办相关成员40余人参加了会议。

北京交通大学副校长余祖俊教授首先代表项目牵头单位对与会嘉宾致以诚挚欢迎，并介绍了学校在项目相关研究领域扎实的科研基础，并表示将全方位支持项目开展，保障项目顺利实施并取得突出成果。科技部高技术信息处傅耀威处长围绕重点专项设置的背景和目标进行了介绍，表达了对项目“突出亮点、实现突破、达到引领”的殷切期望，要求各方高度重视，做好统筹协作，高标准完成项目目标。

项目负责人北京交通大学赵耀教授从项目概要、组织管理、实施计划、成果与考核方式及保障措施等五个方面对项目实施方案进行了详细介绍。与会专家重点围绕项目的核心技术创新点、项目亮点特色成果、项目组织管理方案的落实、课题与承担单位接口等方面进行了质询，并提出了具体意见建议。最后，专家组通过质询讨论形成评估意见，认为项目实施方案与项目任务书要求一致，项目阶段目标和分工明确，技术路线和计划安排合理，实施方案合理可行，一致同意通过项目的实施方案论证。

本项目在连续学习范式层面和人机协同层面上具有重要理论科学价值、在实际应用层面上具有重要意义。通过本项目的研究，有望在连续学习理论方面取得突破，并在应用层面上形成一系列相关任务的开源基准数据集、软件框架及评测标准，打造连续学习应用示范新标杆。