Поздравляем моего блестящего соучредителя Филиппа Морица (@pcmoritz) и легендарного Джона Шульмана, Сергея Левина, Питера Аббиля и Майкла Джордана с их почетным упоминанием Test-of-Time на ICML 2025 сегодня! Для создания TRPO. Это было сделано во время предыдущей волны ажиотажа вокруг обучения с подкреплением (Atari, Mujoco, AlphaGo и т. д.). Теперь RL вернулся благодаря LLM и моделям рассуждения, и работа стала более эффективной, чем когда-либо прежде! Эта область в значительной степени стандартизирована по вариантам TRPO. @pcmoritz @johnschulman2, @svlevine, @pabbeel