Raymond Feng — researcher в Applied Compute, где разрабатывает агентов, которые улучшаются на опыте в реальных корпоративных рабочих процессах. Его направления: continual post-training, инфраструктура обучения с подкреплением и организационная память. Feng участвовал в исследовании памяти агентов на основе производственных трейсов, а вместе с Pranav Vaid предложил Relevance-Masked Self-Distillation, метод самодистилляции для освоения компанией-специфичных поведений без потери прежних способностей. До исследований он работал над финансовыми данными в World Tree Technologies, облачным ПО безопасности в Turing Video и инфраструктурой в Google Cloud. В докладе он рассказывает о переходе post-training агентов от одношаговых задач к долгим корпоративным задачам и непрерывному обучению на реальных взаимодействиях.

Темы докладов: Обучение, RL, дообучение.

AI Engineer World's Fair 20261