Senior tillämpad forskare - Nebius B.V. - Palo Alto, USA

Nebius Token Factory behöver forskare som kan förvandla frontier-inferensflaskhalsar till forskningsproblem, publicera trovärdigt arbete och sedan hjälpa till att leverera resultaten till produktion. Detta är inte en forskarroll som enbart fokuserar på artiklar. Den tillämpade forskaren förväntas designa rigorösa experiment, skriva stark kod, samarbeta med ingenjörer och omvandla forskning till distribuerade inferenskapaciteter. En Senior tillämpad forskare äger väl avgränsade forsknings- och produktionsoptimeringsprojekt. De kan publicera eller förbereda tekniskt arbete av hög kvalitet samtidigt som de producerar kod, experiment och prototyper som ingenjörer kan använda. Dina ansvarsområden: - Äga fokuserade forskningsprojekt från hypotes genom experiment, ablation, prototyp och överlämning till produktion. - Förbereda interna rapporter, tekniska bloggar eller artiklar när arbetet är externt trovärdigt. - Samarbeta direkt med MLE:er för att säkerställa att forskningsprototyper blir användbara produktionskomponenter. - Definiera och genomföra forskningsprogram inom effektiv LLM- och VLM-inferens med mätbar produktionspåverkan. - Uppfinna, utvärdera och produktionssätta metoder för kvantisering, QAT, destillering, spekulativ avkodning, KV-cache-återanvändning, KV-cache-komprimering, långkontext-inferens, MoE-routing och modell/runtime-samoptimering. - Bygga högkvalitativa prototyper i PyTorch, Triton, CUDA-nära verktyg eller ramverk för inferensservering, och sedan arbeta med MLE:er och plattformsingenjörer för att produktionssätta dem. - Designa rigorös utvärderingsmetodik som täcker kvalitet, latens, genomströmning, numerisk stabilitet, minnesavtryck, tail-latens och kostnad per token. - Publicera artiklar, tekniska rapporter, blogginlägg och open-source-artefakter som bygger extern trovärdighet för Nebius Token Factory. - Samarbeta med MLE, GPU-kärna, backend-infrastruktur, produkt- och kundteam för att välja forskningssatsningar med hög hävstång. - Mentorskap för ingenjörer och forskare inom experimentell design, vetenskaplig rigor och avvägningar mellan modell och system. Krav: - PhD i datavetenskap, maskininlärning, ML-system, datorsystem, datorarkitektur, elektroteknik, tillämpad matematik eller ett nära besläktat område. - Starkt publikationsregister eller motsvarande forskningsartefakter inom ML, ML-system, effektiv inferens, modellkomprimering, kvantisering, destillering, serveringssystem eller relaterade områden. - Stark praktisk kodningsförmåga i Python och PyTorch; förmåga att snabbt gå från idé till experiment till prototyp. - Djup förståelse för LLM:er, VLM:er, transformer-inferens, avkodningsalgoritmer, modellkomprimering, kvantisering och avvägningar vid produktionstjänst. - Starka färdigheter inom experimentell design, inklusive ablationer, baslinjer, mätvärden, statistiskt resonemang och felanalys. - Utmärkt skriftlig och muntlig kommunikation. Meriterande: - Förstaförfattarpublikationer i NeurIPS, ICML, ICLR, MLSys, ACL, EMNLP, ASPLOS, OSDI, SOSP, ISCA, HPCA eller jämförbara forum. - Erfarenhet av att distribuera ML-modeller eller inferensoptimeringar i produktion. - Erfarenhet av vLLM, SGLang, TensorRT-LLM, NVIDIA Dynamo, FlashAttention, FlashInfer, Triton, CUDA eller PyTorch-internals. - Erfarenhet av post-training, SFT, DPO, RLHF, RLAIF, preferensoptimering eller generering av syntetiska data kopplat till inferenskvalitet eller effektivitet. - Open-source-forskningsartefakter, allmänt använda benchmarks, högkvalitativa tekniska bloggar eller inbjudna föreläsningar om effektiva AI-system.