Maxime Labonne — Head of Post-Training в Liquid AI, где он работает над малыми foundation models для ограниченных устройств, в том числе над Liquid Foundation Models и архитектурой LFM2. До Liquid AI он занимал исследовательские позиции в машинном обучении в Airbus и JPMorgan Chase, а в его ранних работах есть graph neural networks и книга *Hands-On Graph Neural Networks Using Python*.

Он создал открытый курс LLM Course и соавтор книги *LLM Engineer's Handbook*. Среди его open source проектов — llm-datasets, коллекция датасетов и инструментов для post-training, и LLM AutoEval, автоматизирующий оценку моделей в Google Colab. Эксперименты с model merging через mergekit связаны с его работой над открытыми моделями. В докладах он говорит о fine-tuning, model merging и обучении малых моделей для устройств.

Темы докладов: Обучение, RL, дообучение и Инференс, стоимость, открытые модели.

AI Engineer Europe 20261

AI Engineer World's Fair 20241