Selamat kepada salah satu pendiri saya yang brilian Philipp Moritz (@pcmoritz) dan John Schulman, Sergey Levine, Pieter Abbeel, dan Michael Jordan yang legendaris atas Test-of-Time Honorable Mention mereka di ICML 2025 hari ini! Untuk membuat TRPO. Hal ini dilakukan selama gelombang kegembiraan sebelumnya seputar pembelajaran penguatan (Atari, Mujoco, AlphaGo, dll). Sekarang RL kembali berkat LLM dan model penalaran dan pekerjaannya lebih berdampak dari sebelumnya! Bidang ini sebagian besar telah distandarisasi pada varian TRPO. @pcmoritz @johnschulman2, @svlevine, @pabbeel