待验证50% 置信事实精确时间
Replay Ratio（UTD）是指每采集一步环境数据，Learner执行梯度更新的次数，标准DQN通常为1或更低
1
来源数
50%
置信度
长期有效
时效性
2026/9/26
首次发现
来源
涉及实体
相关事实
待验证近年研究（如DER、SR-SAC）尝试将UTD推高到4、10甚至更高以压榨数据效率65% 相似待验证Cohere Rerank、BGE-Reranker 等重排序模型可将检索准确率（NDCG@10）提升 10-20 个百分点61% 相似待验证盖洛普民调采用随机数字拨号（RDD）和在线面板相结合的方式，标准误差通常控制在±3-4个百分点，置信度达95%59% 相似已验证ReAct的误差会链式放大：若每步准确率为p，经过n步后整体成功率约为p的n次方，单步95%准确率经过10步后整体成功率约降至59.9%，20步后仅剩35.8%59% 相似待验证传统梯度检查点通过丢弃部分前向传播中间结果并在反向传播时重新计算来换取内存节约，代价是约 30% 的额外计算开销59% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/952689API
curl https://kongchang.com/api/v1/knowledge/claims/952689MCP
get_claim(id=952689)