Michael Aaron — программный инженер в Kaggle, в профиле которого указана организация Google DeepMind. Он занимается более прозрачными и воспроизводимыми способами оценки AI-моделей и агентов. Среди его работ Kaggle Community Benchmarks, которые позволяют собирать задачи для оценки, изучать взаимодействие с моделями и сравнивать результаты на общих лидербордах, а также бенчмарк FACTS Grounding, который измеряет, насколько длинные ответы модели опираются на переданные документы. Он участвует и в Kaggle Game Arena, где модели сравниваются в покере, шахматах и Werewolf. До работы над оценками в Kaggle он длительное время работал в Google.
На AI Engineer Europe 2026 он выступил вместе с Nicholas Kang с докладом о масштабной оценке агентов, где затронул бенчмарки сообщества и игровые бенчмарки.
Темы докладов: Evals и бенчмарки.
AI Engineer Europe 20261
Agentic-оценка в любом масштабе — для всех
AI Engineer Europe 2026