Parabéns ao meu brilhante cofundador Philipp Moritz (@pcmoritz) e aos lendários John Schulman, Sergey Levine, Pieter Abbeel e Michael Jordan por sua Menção Honrosa de Teste de Tempo no ICML 2025 hoje! Para criar TRPO. Isso foi feito durante a onda anterior de entusiasmo em torno do aprendizado por reforço (Atari, Mujoco, AlphaGo, etc). Agora o RL está de volta graças aos LLMs e modelos de raciocínio e o trabalho é mais impactante do que nunca! O campo padronizou em grande parte as variantes do TRPO. @pcmoritz @johnschulman2, @svlevine, @pabbeel