Bij Pleias werk ik aan LLM-pretraining en synthetische data — recent publiceerde ik Nemotron-Personas-France samen met NVIDIA. Aan de KU Leuven richt mijn onderzoek zich op tokenisatie, eerlijkheid en Nederlandse taalmodellen.
Ik creëerde RobBERT, de Nederlandse taalmodelfamilie in de top 80 op Hugging Face, en heb meegewerkt aan de meeste open Nederlandse LLM's — van Tweety tot ChocoLlama. Wat veiligheid betreft, werk ik aan het meten van bias, het verminderen van toxiciteit (met Apple, op ICML), en de vraag wie bepaalt wat “eerlijk” betekent. Ik werk ook aan tokenisatie en ontwikkelde trans-tokenization, een methode om LLM's van de ene taal naar de andere te vertalen.
Mijn werk is gepubliceerd op topconferenties zoals ICML, NAACL en EMNLP, inclusief werk bij Apple en Aleph Alpha. Ik deed onderzoeksbezoeken aan MilaNLP (Bocconi), HU Berlin en het Weizenbaum Institute, en verzamelde 1.000+ citaties over 32 publicaties. Mijn onderzoek is verschenen in WIRED, MIT Technology Review, De Tijd en VTM Nieuws.
Ik draag bij aan AI-beleid als NLP-expert voor de gedragscode van het EU AI Office en was lid van de GenAI-adviescommissie van KU Leuven.
Ik geef ook regelmatig talks over AI en taalmodellen. Ik heb gesproken bij bedrijven zoals Apple, KBC, VRT, TechWolf, ML6 en Superlinear, en op verschillende evenementen, zoals bij Wintercircus. Onderwerpen variëren van LLM-pretraining en technische deep dives over LLM-inferentie tot AI-veiligheid en inleidende talks over het Nederlandse NLP-ecosysteem.
