算法体系由5个核心算法与11个系统级支撑算法构成：前者包括多层渐进吸积合并、层级原型吸积存储、双指标动态经验筛选、多吸积盘混合域自适应蒸馏与多源经验门控正则化；后者覆盖任务边界检测、开集拒识、遗忘审计与安全回滚、无源迁移、稀疏路由推理等系统环节。其中多项技术与前述难题直接对应：多层渐进吸积合并确保新经验分层并入、旧能力不被覆盖；双指标动态经验筛选在经验进入主干前拦截“相似但不适配”的负迁移来源；学习式可迁移性估计量化既有经验对新任务的可用性，直接压缩新任务的冷启动标注量。

　　在与大模型的融合边界上，新陆航坚持“LLM只产建议、确定性模块做执行”：大模型能力被引入语义锚、Agent调度、可迁移性先验与开集命名等环节，但不替代数值主体与治理机制。

　　三、典型场景：天级上线与数据不出域

　　以工业质检中的精密结构件产线为例——这是一类典型场景，下列数字为基于该场景的目标测算，非实测结果：厂商每年新增3—5类缺陷，每类需2—3周、8—15万元；小批量多品种换型后精度下降10—20个百分点；为识别新缺陷重新训练，旧缺陷召回率反而下降；同时产线照片不能上云，边缘判定须在50毫秒内出结果。按引擎设计目标，新缺陷上线周期有望从约2周压缩至3天，单类新缺陷标注量从约500张降至约50张，旧缺陷识别能力保持不低于95%。