有没有什么比较节省时间的方法，用新增的数据去更新一下模型?

有一种比较常见的方法是增量学习（incremental learning），它可以用新增的数据去更新模型，同时又能够节省时间和计算资源。

增量学习是指在已有的模型基础上，通过加入新的样本数据，再次进行训练，以不断提高模型的准确性。这个过程不需要从头开始重新训练整个模型，而是只需要对新增数据进行训练，然后将其与旧模型融合即可。

具体地说，增量学习包括两个主要步骤：第一步是使用新数据训练一个新模型；第二步是将新模型与原有模型进行融合。在融合的过程中，可以采用不同的策略来权衡新旧模型的贡献，例如简单平均、加权平均等方式。

相对于传统的重新训练整个模型的方法，增量学习的优点在于可以更快地适应新数据，并且避免了浪费已有数据的情况。但同时也需要注意一些问题，例如如何选择新数据、如何控制融合的权重等等。