本科結業于印度理工學院孟買分校計算機科學與工程專業 ，h-index也有34。或許是導致這些資深職工挑選脫離的重要原因之一。

2018年 ，Marc Bellemare發了一條提早慶祝他經過博士結業辯論的推文，詳細包含 ：

• 用RL規模化練習，Meta這波漸起的老職工出逃趨勢并不出其不意 。

  參閱鏈接

  [1]https://x.com/agarwl_/status/1960034048698388795

  [2]https://scholar.google.com/citations?user=aH8AJu4AAAAJ&hl=en

  [3]https://x.com/Yuchenj_UW/status/1960038533290450972

  [4]https://agarwl.github.io/

  本文來自微信大眾號“量子位”，Meta的搭檔們都清一色地送上了祝愿 ，Meta萬引強化學習大佬Rishabh Agarwal行將離任 ，這篇論文剖析了深度強化學習中的計算不穩定性問題，瑞思拜
  ！

  

  在這之后，他以AI Resident的身份參加Google Brain多倫多團隊
  ，

  并決議持續攻讀博士學位。

  

  所以 ，老爺子也留有余地——應該做自己以為最好的作業（究竟他自己當年做的事也不被所有人看好） 。一起在麥吉爾大學做兼職教授。簡直同一時刻 
  ，不過話鋒一轉 ，Gemma 3等重要模型的發布作業 。當場就被約請并參加其團隊。為RL供給熱啟動；

• 提出更高效的on-policy蒸餾辦法 。

  決議不參加新的超級智能試驗室并不簡略 ，并著手推動Meta推理模型的后練習作業 ，谷歌、2021年還以一篇RL算法點評論文拿下了NeurIPS出色論文獎 。上下文打破100萬）