Eugene Yan занимает должность Member of Technical Staff в Anthropic, где работает над безопасными и надёжными AI-системами. Раньше он был principal applied scientist в Amazon, где занимался retrieval, ранжированием и AI-продуктами для суммаризации и вопросов-ответов, а также руководил машинным обучением в Lazada и uCare.ai.
Yan известен практикой evaluation-driven development: фреймворком product evals, разбором LLM-as-a-judge, проектом semantic-ids-llm и репозиториями Applied Machine Learning и Machine Learning Design Documents. Его доклады посвящены LLM-системам, поиску уязвимостей в исходном коде и рекомендательным системам.
Темы докладов: Evals и бенчмарки, Безопасность и governance, RAG, поиск и эмбеддинги, Внедрение AI и оргизменения, Observability и трейсы, Изоляция и исполнение кода, Код-ревью, тесты и верификация, Кодинг-агенты и AI-native процесс, Паттерны построения агентов и UX и дизайн AI-продуктов.
AI Engineer World's Fair 20261
Как использовать LLM для защиты исходного кода
AI Engineer World's Fair 2026
AI Engineer World's Fair 20251
Ключевой доклад о рекомендательных системах: улучшение рекомендаций и поиска в эпоху LLMs
AI Engineer World's Fair 2025
AI Engineer World's Fair 20242
Чему мы научились за год разработки с LLM
Charles Frye, Eugene Yan, Jason Liu, Hamel Husain, Dr Bryan Bischof, Shreya Shankar
AI Engineer World's Fair 2024
Копилоты повсюду
AI Engineer World's Fair 2024
AI Engineer Summit 20231
Основные компоненты систем и продуктов на базе LLM
AI Engineer Summit 2023