Miguel González Fernández работает в Browserbase и был tech lead платформы агентов для браузера. Он участвует в разработке Stagehand, open source SDK для автоматизации браузера, который сочетает обычные команды браузера с действиями на естественном языке и извлечением структурированных данных. Вместе с Microsoft Research он создал Universal Verifier, метод проверки того, что computer-use агент действительно выполнил задачу, а не только выглядит успешным. Ранее он работал над оценкой computer-use моделей вместе с Google DeepMind и разбирал оценку модели Fara-7B. Его доклады посвящены оценке веб-агентов и надёжности LLM judge.

Темы докладов: Evals и бенчмарки и Обучение, RL, дообучение.

Другое1