Gratulacje dla mojego genialnego współzałożyciela Philippa Moritza (@pcmoritz) i legendarnego Johna Schulmana, Sergeya Levine'a, Pietera Abbeela i Michaela Jordana z okazji ich dzisiejszego wyróżnienia Test-of-Time Honorable Mention na ICML 2025! Za stworzenie TRPO. Zostało to zrobione podczas poprzedniej fali ekscytacji wokół uczenia się ze wzmocnieniem (Atari, Mujoco, AlphaGo itp.). Teraz RL powraca dzięki LLM i modelom rozumowania, a praca jest bardziej wpływowa niż kiedykolwiek wcześniej! Dziedzina ta została w dużym stopniu ustandaryzowana na wariantach TRPO. @pcmoritz @johnschulman2, @svlevine, @pabbeel