Parth Asawa — аспирант по компьютерным наукам в UC Berkeley. Он руководит проектом Continual Learning Bench, который измеряет, становятся ли AI-системы эффективнее на основе накопленного опыта; работа ведётся совместно со Snorkel AI и University of Wisconsin–Madison. Раньше он работал инженером в Rox, Databricks, Robust Intelligence и Amazon, а в исследованиях SPADE и BARE занимался проверками качества данных и генерацией синтетических данных для языковых моделей. Текущие работы посвящены адаптации моделей после развёртывания: методам SIEVE и Advisor Models, а также балансу между сохранением опыта и обновлением устаревших знаний. Доклад на AI Engineer World's Fair 2026 посвящён оценке continual learning.
Темы докладов: Evals и бенчмарки и Контекст и память.
AI Engineer World's Fair 20261
За пределами статического интеллекта: оценка непрерывного обучения
AI Engineer World's Fair 2026