ML-insinööri

Tämä rooli on Nebius AI R&D:lle, tiimille, joka keskittyy soveltavaan tekoälytutkimukseen. Portabiliteettitutkimuksemme tavoitteena on saada älykkäät agenttijärjestelmät toimimaan luotettavasti, kun mallit, palveluntarjoajat, harnessit, taidot, muistijärjestelmät ja käyttymisympäristöt muuttuvat. Rakennamme ja arvioimme portabiliteettikerroksia, jotka säilyttävät kyvykkyyden, kontekstin, identiteetin, alkuperän ja käyttäjän hallinnan heterogeenisissa järjestelmissä. Tutkimusalueisiin kuuluu: - Mallien reititys kierroskohtaisesti laadun, kustannusten, viiveen, kyvykkyyden, välimuistotilan ja luotettavuustavoitteiden perusteella - Palveluntarjoajien ja protokollien portabiliteetti huippumallien, avoimen lähdekoodin mallien, paikallisen päättelyn ja yhteensopivien API-rajapintojen välillä - Agenttien ja harness-järjestelmien yhteensopivuus, mukaan lukien siirrettävät taidot, kyvykkyysprofiilit, toiminnot, työkalut ja trajektoriat - Portabiliteettia tukeva, käyttäjän omistama muisti ja konteksti, jossa on rajattu identiteetti, alkuperä, haku, palaute ja tarkasteltava tiivistäminen - Agenttien vaihtostandardit, vaatimustenmukaisuustestaus, työkalujen ja MCP:n käyttö sekä agenttien välinen viestintä - Agenttien ja harness-järjestelmien optimointi arvioinnin, tislaamisen, mukauttamisen ja moniagenttioppimisen avulla Suunnittelet ja rakennat tutkimusprototyyppejä ja robusteja järjestelmiä mallien, palveluntarjoajien ja agenttien ajoympäristöjen rajapintoihin. Muotoilet tutkimuskysymyksiä, kehität arviointimenetelmiä, testaat ideoita realistisissa agenttien työnkuluissa ja muutat lupaavat tulokset uudelleenkäytettäviksi komponenteiksi. Etsimme tällä hetkellä senior- ja staff-tason ML-insinöörejä työskentelemään tutkimuksessa seuraavilla alueilla: - Opitut, sääntöpohjaiset ja hybridimallien reititykset, kaskadit ja ehdokasranking-järjestelmät - Laadun, kustannusten ja viiveen väliset kompromissit, epävarmuuden arviointi, tutkiminen ja lopputulostietoinen reititys - Monipalveluntarjoajayhdyskäytävät, protokollakäännökset, katalogin normalisointi ja fail-closed-suorituspalvelut - Portabiliteettia tukevat agenttitaidot, harness-kyvykkyyksien löytäminen, pakettien mukauttaminen ja harness-järjestelmien välinen yhteensopivuus - Muistin, identiteetin, kontekstin, trajektorian ja lopputulosten esitystavat, jotka säilyvät portabiliteettia tukevina agenttien ja mallien välillä - Tiedonhaku, kontekstin valinta, kontekstin tiivistäminen ja palauttejärjestelmät, joissa on eksplisiittinen alkuperä ja luottamusrajat - Agenttien yhteensopivuusstandardit, mukaan lukien metadata, toimintamuodot, liitännäiset, työkalut, MCP ja agenttien väliset rajapinnat - Agenttien optimointi, opettaja-oppilas-tislaus, taitojen generointi, harness-mukauttaminen ja moniagenttioppiminen - Benchmarking- ja arviointiin tarkoitettu infrastruktuuri mallien, reitittimien, muistin, taitojen ja harness-järjestelmien muutoksille Esimerkkejä vastuualueistasi voivat olla: - Mallireitittimien suunnittelu, toteutus, koulutus ja arviointi, jotka valitsevat sopivan mallin tai päättelyprofiilin jokaiselle kierrokselle - Portabiliteettia tukevien palveluntarjoaja- ja protokollabstraktioiden kehittäminen, jotka säilyttävät tunnistautumisen, telemetrian, välimuisti- ja kontekstisignaalit sekä suorituksen alkuperän - Versioitujen skeemojen ja sopimusten määrittely malleille, palveluntarjoajien tarjouksille, agenteille, työtiloille, taidoille, toiminnoille, työkaluille, muisteille ja trajektorioille - Järjestelmien rakentaminen, jotka löytävät, paketoivat, mukauttavat ja validoivat agenttitaidot koodausagenttien, editorien ja muiden harness-järjestelmien välillä - Käyttäjän omistaman muistin, rajatun identiteetin, trajektorian tarkistuspisteiden, lopullisten tulosten, haun laadun ja tarkasteltavan kontekstin tiivistämisen tutkiminen - Benchmark-sarjojen ja arviointiprotokollien luominen laadulle, kustannuksille, viiveelle, luotettavuudelle, turvallisuudelle ja portabiliteetille - Uusien tai poistettujen mallien, palveluntarjoajien, taitojen ja harness-versioiden testaamiseen tarkoitettujen held-out-, out-of-domain- ja muutoksen vaikutuksen arviointien suunnittelu - Tislaamisen, itseään parantavien harness-järjestelmien, moniagenttikoulutuksen, agenttitehtaiden ja automaattisen taitojen luomisen tutkiminen - Robustin tutkimusohjelmiston, API-rajapintojen, integraatiokerrosten ja testausinfrastruktuurin kirjoittaminen, jotka mahdollistavat nopean mutta toistettavan kokeilun - Yhteistyö tutkimus- ja insinööritiimien välillä lupaavien ideoiden kääntämiseksi turvallisiksi, peruutettaviksi ja luotettaviksi järjestelmiksi - Tulosten viestiminen teknisten raporttien, demonstraatioiden, avoimen lähdekoodin julkaisujen, benchmark-testien ja tutkimusjulkaisujen kautta Odotamme sinulta: - Syvällistä ymmärrystä koneoppimisesta, suurista kielimalleista tai tilastollisesta päätöksenteosta - Syvää osaamista ainakin yhdellä relevantilla alueella, kuten mallireititys, suosittelujärjestelmät, agenttijärjestelmät, haku ja muisti, mallien arviointi, hajautetut järjestelmät tai protokollan ja API-rajapintojen suunnittelu - Kokemusta nykyaikaisten kielimallien tai agenttijärjestelmien rakentamisesta ja arvioinnista, mukaan lukien työkalujen käyttö ja monivaiheiset työnkulut - Kokemusta koneoppimiskokeiden suunnittelusta, suorittamisesta ja analysoinnista asianmukaisella tilastollisella tarkkuudella - Kykyä muotoilla merkityksellisiä tutkimuskysymyksiä, suunnitella kokeita, jotka testaavat selkeitä hypoteeseja, ja tehdä perusteltuja johtopäätöksiä - Ymmärrystä arviointivuodoista, held-out-testauksesta, domainin ulkopuolisesta yleistämisestä, epävarmuudesta ja toistettavuudesta - Vahvoja ohjelmistoteknisia ja algoritmisia taitoja; erinomainen Python-osaaminen ja kyky työskennellä tuotantojärjestelmien parissa - Kokemusta API-rajapinnoista, dataskeemoista, hajautetuista palveluista, testaamisesta, observabiliteetista, koodikatselmuksista ja CI/CD-prosesseista - Kykyä pohtia tietoturvaa, yksityisyyttä, alkuperää, käyttöoikeuksia, vikamuotoja ja käyttäjän hallintaa agenttijärjestelmissä - Kokemusta tutkimusideoiden toteuttamisesta ja nopeasta iteroinnista mallinnuksen, datan, järjestelmien ja arvioinnin välillä - Vahvoja viestintä- ja teknisen johtamisen kykyjä, mukaan lukien yhteistyö tutkimus- ja insinöörialojen välillä sekä löydösten selkeä dokumentointi teknisissä raporteissa tai tutkimusjulkaisuissa Hyväksi katsotaan: - Kokemus mallireitittimistä, kaskadeista, mixture-of-experts-järjestelmistä, suosittelujärjestelmistä tai kustannustietoisesta päättelystä - Kokemus useiden mallipalveluntarjoajien tai päättelypinon integroinnista, mukaan lukien OpenAI-yhteensopivat API:t, Anthropic-tyyliset API:t, paikallinen päättely tai avoimen lähdekoodin tarjoilujärjestelmät - Tutun tunnusmerkit agenttiharness-järjestelmistä, koodausagenteista, editori-integraatioista, funktioiden kutsusta, työkalujen suorituksesta, MCP:stä tai agenttien välisistä protokollioista - Kokemus haku-järjestelmistä, vektorihauista, tietograafeista, temporaalisesta datasta, muistiarkkitehtuureista tai kontekstin hallinnasta - Kokemus benchmark-sarjoista koodaukseen, päättelyyn, faktuaalisuuteen, ohjeiden noudattamiseen, työkalujen käyttöön tai monivaiheisiin agenttien työnkuluihin - Kokemus opettaja-oppilas-tislaamisesta, vahvistusoppimisesta, preferenssioppimisesta, palkitsemismallinnuksesta tai automaattisesta taitojen generoinnista - Osaaminen TypeScriptissä, Go:ssa, Rustissa tai muussa järjestelmäkielessä Pythonin lisäksi - Kokemus turvallisesta tunnistautumisesta, hiekkalaatikoista, yksityisyyttä suojaavasta telemetriasta, alkuperästä tai käytäntöjen valvovasta suorituksesta - Kokemus hajautettujen datankäsittely-, arviointi-, mallikoulutus- tai päättelyjärjestelmien rakentamisesta - Tohtorin tutkinto tietojenkäsittelytieteessä, koneoppimisessa, tekoälyssä tai vastaavalla teknisellä alalla, tai vastaava käytännön kokemus - Menestyksekkäät julkaisut, avoimen lähdekoodin panokset tai käyttöönotetut tekoälyjärjestelmät - Kokemus tuotteiden tai tutkimusprototyyppien rakentamisesta ja toimittamisesta dynaamisessa, startup-maisessa ympäristössä - Intohimo tehdä edistyneistä tekoälyjärjestelmistä koostettavia, tarkasteltavia, käyttäjän hallitsemia ja kestävämpiä muuttuvia malleja ja alustoja kohtaan - Erinomainen englannin kielen taito, mukaan lukien vahva tekninen kirjoittaminen, esitykset ja viestintä - Osaaminen nykyaikaisista ohjelmistoteknisistä käytännöistä, mukaan lukien versionhallinta, testaus, koodikatselmus ja CI/CD