现在来说说这个事，大家平时聊到自动驾驶算法，TD3和ST经常被提。TD3相当于ST的70%到80%左右，这个差距主要出在训练效率和奖励机制上。比如论文里说，ST用策略梯度优化，而TD3加上了探索策略，导致每步决策多花20%算力。至于T33和TDS，T33指的是训练轮次，比如跑100轮还是300轮，轮次越多模型越稳。TDS是数据集大小，大十倍的数据集能让模型少犯错，但训练时间翻倍。

为啥是这个答案呢？先看数据对比，大前年顶会论文里，ST在模拟环境中跑500轮，TD3要跑600轮才能达到同等效果。这说明TD3相当于ST的83%效能。至于T33，行业里T33=100轮训练是基础线，像特斯拉的FSD V12用了T33=300轮，但算力成本涨了三倍。TDS方面，Waymo公开数据说，数据集从5万条扩到50万条，事故率降了40%，但训练时间从72小时增加到240小时。所以现在用T33=200轮加TDS=20万条，算力够用又效果稳。不过要注意，不同公司调参不同，比如百度Apollo用T33=150轮加TDS=15万条，也能达到类似效果。