本论文重新审视了在线学习中的记忆排挤动态，并通过设计了一个简单直观的“重复增强排挤（RAR）”基线来解决欠拟合和过拟合问题。研究了重复和增强练习之间的相互作用，并应用强化学习（RL）来动态调整 RAR 的超参数，以平衡稳定性和可塑性。

该论文提供了在线学习中排挤记忆动态的理论见解和重复增强排挤基线的设计。通过广泛的消融研究，研究了重复和增强练习之间的相互作用，并应用强化学习来动态调整超参数。成功实现了对过去数据损失景观和高损失梁脊的准确近似。