清华大学团队在强化学习领域取得重大突破，开发出DSAC及DSAC-T系列算法，有效解决强化学习中的过估计问题，提升学习效果稳定性；团队还提出DACER算法，将扩散模型与在线强化学习结合，进一步刷新性能记录；RAD优化器为强化学习训练稳定性提供保障，相关成果将集

算法 dsac 清华dsac 2025-01-17 14:55  3