私の優秀な共同創設者であるフィリップ・モリッツ(@pcmoritz)と伝説的なジョン・シュルマン、セルゲイ・レヴィン、ピーター・アビール、マイケル・ジョーダンが本日、ICML 2025でテスト・オブ・タイムの佳作に選ばれたこと、おめでとうございます! TRPOの作成用。これは、強化学習 (Atari、Mujoco、AlphaGo など) をめぐる前回の興奮の波の中で行われました。LLMと推論モデルのおかげでRLが復活し、これまで以上にインパクトのある取り組みが行われました。この分野は、TRPO のバリアントで大部分標準化されています。 @pcmoritz @johnschulman2、@svlevine、@pabbeel