Grattis till min briljanta medgrundare Philipp Moritz (@pcmoritz) och de legendariska John Schulman, Sergey Levine, Pieter Abbeel och Michael Jordan för deras Test-of-Time Honorable Mention på ICML 2025 idag! För att skapa TRPO. Detta gjordes under den tidigare vågen av spänning kring förstärkningsinlärning (Atari, Mujoco, AlphaGo, etc.). Nu är RL tillbaka tack vare LLM:er och resonemangsmodeller och arbetet är mer effektfullt än någonsin tidigare! Området har i hög grad standardiserats på varianter av TRPO. @pcmoritz @johnschulman2, @svlevine, @pabbeel