祝贺我杰出的联合创始人 Philipp Moritz (@pcmoritz) 和传奇人物 John Schulman、Sergey Levine、Pieter Abbeel 和 Michael Jordan 今天在 ICML 2025 上获得了“时间考验荣誉提名”！ 因为他们创造了 TRPO。这是在之前围绕强化学习（Atari、Mujoco、AlphaGo 等）的兴奋浪潮中完成的。现在，得益于 LLM 和推理模型，强化学习又回来了，这项工作比以往任何时候都更具影响力！该领域在很大程度上已经标准化为 TRPO 的变体。 @pcmoritz @johnschulman2, @svlevine, @pabbeel