Felicitări genialului meu co-fondator Philipp Moritz (@pcmoritz) și legendarilor John Schulman, Sergey Levine, Pieter Abbeel și Michael Jordan pentru mențiunea lor de onoare Test-of-Time la ICML 2025 astăzi! Pentru crearea TRPO. Acest lucru s-a făcut în timpul valului anterior de entuziasm în jurul învățării prin întărire (Atari, Mujoco, AlphaGo etc.). Acum RL s-a întors datorită LLM-urilor și modelelor de raționament, iar munca este mai impactantă ca niciodată! Domeniul a standardizat în mare măsură variantele de TRPO. @pcmoritz @johnschulman2, @svlevine, @pabbeel