理查德·S·萨顿

理查德·S·萨顿（英语：Richard S. Sutton FRS FRSC，1957/1958年 - ），加拿大电脑科学家，阿尔伯塔大学计算机科学系教授、Keen Technologies研究科学家^[1]，被认为是现代计算机强化学习领域的奠基人^[2]，对该领域有诸多突出贡献，包括时序差分学习和策略梯度算法（英语：Policy gradient method）^[3]。

理查德·S·萨顿 Richard S. Sutton FRS FRSC
2021年
出生	1957/1958年（67—68岁） 美国俄亥俄州
公民权	加拿大
教育程度	史丹佛大学 马萨诸塞大学阿默斯特分校
知名于	时序差分学习, Dyna, Options, GQ(λ)
奖项	人工智能促进协会会士（2001年） 国际神经网络学会会长奖（2003年） 加拿大皇家学会会士（2016年） 图灵奖（2025年）
网站	incompleteideas.net
科学生涯
研究领域	人工智能 强化学习
机构	阿尔伯塔大学
论文	Temporal credit assignment in reinforcement learning（1984）
博士导师	安德鲁·巴托
博士生	大卫·席尔瓦 多伊娜·普雷祖普（英语：Doina Precup）

2025年，他与安德鲁·巴托共同获得图灵奖^[4][5]。