Alex Shaw — Member of Technical Staff в Laude Institute, создатель Harbor и соавтор Terminal-Bench, бенчмарка для проверки того, справляются ли автономные агенты с реалистичными задачами на компьютере. С Mike Merrill он разрабатывал Terminal-Bench, выпустил версию 2.0 и опубликовал исследование бенчмарка. Ранее работал над рекламными рекомендациями и экспериментами Conversion Lift в Google, а также стажировался в командах Microsoft Azure Service Fabric и Apple. Его доклады посвящены оценке агентов через rollouts и применению Harbor для распределённой работы агентов.

Темы докладов: Evals и бенчмарки, Изоляция и исполнение кода и Обучение, RL, дообучение.

AI Engineer World's Fair 20261