**经典之作PPO算法：曾被NeurIPS拒了**

> PPO算法后来在RLHF和大模型训练中被广泛应用，但其作者John Schulman近日透露，该工作曾被NeurIPS 2017拒之门外。

**来源信息**
- **来源**：机器之心：文章库（API）
- **分类**：行业
- **发布时间**：2026-06-21 22:20（北京时间）
- **原文**：[打开原文](https://www.jiqizhixin.com/articles/2026-06-21-8)