Название: Инженер-исследователь
Компания: Turing
Местоположение: Колумбия - Удаленно / Колумбия, Уила, Колумбия
О Turing
Миссия Turing — ускорить развитие сверхинтеллекта для стимулирования реального экономического прогресса. Штаб-квартира Turing находится в Сан-Франциско. Компания сотрудничает с передовыми лабораториями ИИ для создания высококачественных наборов данных, сред обучения с подкреплением и передовых исследовательских бенчмарков, которые улучшают возможности моделей в области разработки программного обеспечения, корпоративной интеллектуальной работы и продвинутого STEM-рассуждения. В области разработки программного обеспечения Turing является крупнейшим и старейшим поставщиком данных в этой категории. Turing также сотрудничает с компаниями из списка Fortune 500 в области финансовых услуг, медико-биологических наук, здравоохранения, розничной торговли, автомобилестроения и производства потребительских товаров для создания и внедрения комплексных агентных систем ИИ в критически важные рабочие процессы. Работая с обеих сторон, Turing замыкает цикл между передовыми исследованиями и внедрением на предприятиях, превращая сигналы реального внедрения в лучшие данные, оценки и более мощные модели. Узнайте больше на Turing.
Это удаленная работа, которую можно выполнять в любом месте Колумбии.
О вакансии
Мы ищем инженера-исследователя, который поможет в создании наборов данных, сред RL и оценок передового качества, улучшающих самые современные модели для ведущих лабораторий ИИ и корпоративных клиентов.
Это практическая, ориентированная на исследования роль технического лидера. Вы будете напрямую работать с исследователями и инженерами клиентов, чтобы преобразовывать их цели по моделям и после обучения в конкретные спецификации данных и сред, а также руководить производством данных, которые соответствуют чрезвычайно высоким стандартам точности, реалистичности, разнообразия, сложности и измеримого улучшения модели.
Эта роль предназначена для кандидатов с опытом работы от 4 до 5 лет в создании и улучшении систем глубокого обучения, особенно там, где сильные результаты зависят от качества данных, курирования данных, шумоподавления, генерации синтетических данных и строгого оценивания. Вы будете работать в одной или нескольких из следующих областей:
Агенты для написания кода и разработки ПО (репозитории, модульные тесты, отладка, использование инструментов, проверка кода, долгосрочные рабочие процессы)
Среды RL и обучение на основе верификаторов (задачи, вознаграждения/верификаторы, траектории, фреймворки оценки)
Мультимодальные данные и рассуждения (текст + изображения + документы + таблицы/графики; опционально аудио/видео)
STEM-рассуждения (математика, физика, химия, биология, инженерия – проверка решений и анализ ошибок)
Современные воплощенные ИИ / агенты на основе VLM (модели зрение-язык(-действие), наборы задач воплощенного обучения, абстракции инструментов/сенсоров/действий, данные взаимодействия в течение длительного периода времени)
Что вы будете делать
- Отвечать за качество данных и сред с точки зрения исследователя ИИ
Преобразовывать неоднозначные исследовательские цели в четкие требования к данным: целевые навыки, типы сбоев, калибровка сложности, охват и метрики успеха.
Определять, что такое «хорошо», путем создания подробных критериев, контрпримеров и граничных случаев (что включать, а что исключать).
Проводить глубокие, детализированные аудиты полученных данных: выявлять тонкие ошибки, возможности для «взлома вознаграждения», утечки, неоднозначности, несоответствия предположений и сдвиги распределения.
Стимулировать итеративные улучшения на основе доказательств: таксономии ошибок, метрики качества по срезам и улучшения, основанные на поведении модели.
- Проектировать и создавать наборы данных и среды RL для ваших областей компетенции
Участвовать или руководить проектированием:
Наборы задач (одношаговые и долгосрочные рабочие процессы)
Сигналы истинности (верификаторы, модульные тесты, структурированные проверки, функции вознаграждения, автоматические валидаторы)
Интерфейсы среды (API, схемы инструментов, абстракции состояний, схемы баз данных, динамика, подобная симулятору)
В зависимости от вашей области (областей) компетенции, вы можете сосредоточиться на:
Агенты для кодирования / разработки ПО: данные, отражающие реальную разработку (навигация по кодовой базе, поиск ошибок, исправление, тесты, проверка кода, ограничения, подобные CI, рефакторинг, исправление безопасности).
Мультимодальность: задачи, которые проверяют истинное мультимодальное рассуждение (чтение графиков, ответы на вопросы по документам, понимание пользовательского интерфейса, STEM-рассуждения на основе диаграмм, задачи с OCR).
STEM: задачи с проверяемыми решениями (символические проверки, эталонные решатели, численная проверка, согласованность шагов, проверка здравого смысла).
Современные воплощенные ИИ / агенты на основе VLM: данные взаимодействия и среды для моделей зрение-язык(-действие) (долгосрочные задачи, следование инструкциям, основанное на визуальном контексте, надежный выбор действий, соблюдение безопасности/ограничений, охват враждебных состояний).
- Создавать надежные системы валидации, шумоподавления и генерации синтетических данных
Реализовывать автоматизированную валидацию и фильтрацию для достижения соотношения сигнал/шум передового уровня:
Дедупликация, очистка, проверка на утечки
Проверка согласованности (формат, схема, инварианты)
Контроль сложности и разнообразия (охват, новизна, длинный хвост)
Разрабатывать конвейеры генерации и аугментации синтетических данных, где это уместно:
Программные генераторы задач
Управляемые возмущения для создания сложных негативных примеров
Шаблоны сценариев с ограничениями на разнообразие
Выкаты симуляторов/инструментов для получения данных траекторий
Создавать документацию и карты данных: назначение набора данных, известные ограничения, рекомендуемое использование и связь с оценкой.
- Использовать оценки и тренировочные запуски для доказательства влияния
Разрабатывать и проводить оценки, отражающие предполагаемое использование клиентом.
Предоставлять анализ, связывающий данные с результатами:
Сравнения до и после по целевым срезам возможностей
Разбор ошибок и повествования «почему модель потерпела неудачу»
Абляции для выявления того, какие атрибуты данных способствуют улучшению
При необходимости проводить внутреннюю донастройку или эксперименты в стиле RL (или сотрудничать с исследовательским отделом) для демонстрации того, что данные/среда измеримо улучшают поведение модели.
- Эффективно сотрудничать с большими производственными командами, не будучи чрезмерно операционными
Работать с кросс-функциональными командами (инженеры, исследователи, QA, предметные эксперты и группы крупномасштабного производства данных), предоставляя:
Четкие спецификации, примеры и крайние случаи
Быстрые циклы обратной связи, основанные на аудитах и количественных сигналах
Структурированные процессы обзора, ориентированные на качество, а не только на пропускную способность.
Ожидается, что вы будете активно участвовать в проверке и улучшении результатов масштабных аннотаций/создания данных, но не будете нести основную ответственность за найм, укомплектование персоналом или операционное управление.
Кого мы ищем
Опыт работы от 4 до 5 лет в создании или улучшении систем глубокого обучения, где качество данных имело существенное значение (обучение, после обучения, оценки или агентные системы).
Сильная интуиция относительно «ингредиентов данных», которые способствуют улучшению модели: что собирать, что фильтровать, что синтезировать и как измерять.
Способность четко общаться с исследователями и инженерами: преобразование исследовательских целей в конкретные спецификации и преобразование неструктурированных результатов в действенные выводы.
Подтвержденная способность быть чрезвычайно внимательным к деталям при диагностике тонких проблем с качеством данных и типов сбоев.
Прочные навыки программирования с ориентацией на результат:
Обязательное знание Python
Желательно владение SQL/рабочими процессами со структурированными данными
Для работы, связанной с кодированием: знание одного или нескольких основных языков (например, C++, Java, Go, Rust, JS/TS) является плюсом.
Уверенность в проектировании систем качества:
Рубрики, скрипты валидации, эталонные наборы, стратегии выборки
Статистические проверки и оценка по срезам
Циклы обзора с участием человека, основанные на измеримых критериях.
Большие плюсы
Опыт работы с RL или после обучения (любой из: RLHF/RLAIF, обучение на основе верификаторов, моделирование вознаграждения, донастройка RL, проектирование сред).
Опыт агентной оценки (использование инструментов, многошаговые рабочие процессы, долгосрочные задачи, анализ траекторий).
Мультимодальная экспертиза (понимание документов, графики, диаграммы, OCR, привязка к UI/видео; аудио/видео опционально).
Глубокие знания STEM (математика/физика/инженерия) с акцентом на проверяемость и строгую корректность.
Современный опыт работы с воплощенными ИИ / агентами на основе VLM (модели зрение-язык(-действие), наборы данных взаимодействия, оценки воплощенного обучения, долгосрочная привязка, интерфейсы инструментов/сенсоров/действий).
Системное мышление: способность «моделировать» API/схему данных приложения и проектировать задачи, которые реалистично отражают реальные ограничения и рабочие процессы.
Почему Turing
Работайте напрямую с ведущими мировыми лабораториями ИИ и предприятиями на переднем крае пост-обучения и проектирования сред RL.
Реальное влияние (путь к AGI): ваши наборы данных и среды будут напрямую влиять на траекторию развития к общему искусственному интеллекту и, в конечном итоге, к сверхинтеллекту.
Реальное влияние (ВВП): системы, которые вы помогаете создавать и оценивать, нацелены на высокоценные рабочие процессы в различных отраслях, где даже незначительные улучшения приводят к значительному росту производительности.
Команда с высокой концентрацией талантов, где вы найдете высокую автономию, быструю итерацию и исключительную кривую обучения.
Ценности
Мы ставим клиента на первое место: Мы ставим наших клиентов в центр всего, что мы делаем, потому что их успех — это высшая мера нашей ценности.
Мы работаем со скоростью стартапа: Мы движемся быстро, остаемся гибкими и отдаем предпочтение действиям, потому что импульс — основа совершенства.
Мы — сторонники ИИ: Мы помогаем нашим клиентам создавать будущее ИИ и применяем его в наших собственных ролях и рабочих процессах для повышения производительности.
Преимущества присоединения к Turing
Работайте на переднем крае ИИ, помогая ведущим мировым лабораториям ИИ улучшать свои самые передовые модели, создавая экспертные наборы данных, среды RL и первые в своем роде бенчмарки.
Вносите вклад в передовые исследования ИИ и представляйте свои работы на ведущих конференциях, таких как ICLR, ICML и NeurIPS.
Привносите передовые инновации в сфере ИИ в корпоративный мир, применяя уроки, извлеченные из ведущих лабораторий ИИ, для решения реальных бизнес-задач.
Сотрудничайте и учитесь у выдающихся коллег с глубоким опытом в области ИИ из Google, Meta, Amazon и других ведущих технологических компаний.
Двигайтесь со скоростью инноваций в области ИИ, с быстротой, ответственностью и влиянием стартапа.
Turing гордится тем, что является работодателем, предоставляющим равные возможности. Мы не дискриминируем по признаку расы, религии, цвета кожи, национального происхождения, пола, гендерной идентичности, сексуальной ориентации, возраста, семейного положения, инвалидности, статуса ветерана или любых других юридически защищенных характеристик. В Turing мы стремимся создавать разнообразное, инклюзивное и подлинное рабочее место и ценим подлинность, поэтому, если вы заинтересованы в этой роли, но ваш предыдущий опыт не полностью соответствует всем требованиям, изложенным в описании вакансии, мы призываем вас все равно подать заявку. Вы можете быть именно тем кандидатом, который нам нужен, для этой или других вакансий.
Для заявителей из Европейского Союза, пожалуйста, ознакомьтесь с уведомлением GDPR от Turing здесь.
