Richard Sutton
强化学习领域奠基者之一，与Andrew Barto合著《Reinforcement Learning: An Introduction》，与John Carmack共同创立Keen Technologies，2024年图灵奖得主
核心事实
时间轴 (近 90 天)
Richard Sutton提出的Bitter Lesson指出，从长远看，利用大规模计算和通用学习方法（如搜索和学习）的AI系统，最终会胜过那些依赖人类领域知识手工设计特征的systems。
Dyna架构由强化学习先驱Richard Sutton提出
苦涩的教训的核心论点是：依赖人类知识、领域先验和手工规则的方法短期表现出色，但长期总被单纯依靠算力和数据的通用方法所超越
Dyna-Q由强化学习先驱Richard Sutton于1991年提出，是一种将模型学习与无模型学习相结合的方法
《Reinforcement Learning: An Introduction》由Richard Sutton和Andrew Barto合著，第二版于2018年更新，全书可免费在线阅读
时序差分（TD）学习由 Richard Sutton 在1988年正式提出，结合了蒙特卡洛方法和动态规划的优点
全部知识事实 (8)
Richard Sutton与Andrew Barto合著了《Reinforcement Learning: An Introduction》，系统性地奠定了强化学习领域的理论框架
65%待验证Richard Sutton和Andrew Barto在1998年出版的《Reinforcement Learning: An Introduction》系统形式化了RL理论框架
60%待验证Richard Sutton提出的Bitter Lesson指出，从长远看，利用大规模计算和通用学习方法（如搜索和学习）的AI系统，最终会胜过那些依赖人类领域知识手工设计特征的systems。
50%待验证Dyna架构由强化学习先驱Richard Sutton提出
50%待验证苦涩的教训的核心论点是：依赖人类知识、领域先验和手工规则的方法短期表现出色，但长期总被单纯依靠算力和数据的通用方法所超越
50%待验证Dyna-Q由强化学习先驱Richard Sutton于1991年提出，是一种将模型学习与无模型学习相结合的方法
50%待验证《Reinforcement Learning: An Introduction》由Richard Sutton和Andrew Barto合著，第二版于2018年更新，全书可免费在线阅读
50%待验证时序差分（TD）学习由 Richard Sutton 在1988年正式提出，结合了蒙特卡洛方法和动态规划的优点
50%