본문은 강화 학습의 효율성과 샘플 효율성을 높이기 위한 새로운 프레임워크 'DARE'를 제안합니다. DARE는 정책과 난이도 추정치를 동시에 발전시키고, 다양한 난이도 범위를 유지하며, 난이도 계층에 따른 맞춤형 학습 전략을 적용합니다. 실험 결과, DARE는 기존 방법보다 학습 효율성, 최종 효과성, 추론 효율성 모두에서 우수한 성능을 보였습니다.