Должность: Стажировка в области World Models for Software Architecture (Constructor Fabric) Компания: Constructor Labs Местоположение: Constructor Labs / Германия

О проекте

Constructor Fabric преобразует неформальные знания компании в производственное программное обеспечение посредством конвейера компонуемых модулей возможностей, называемых шестернями (gears): требования → архитектура → соответствие продукту → фреймворк (G1) → приложение → среда выполнения. Мы создаем Мировую Модель (World Model) для этого конвейера — модель, которая не просто генерирует код, но и предсказывает последствия архитектурного решения: общую стоимость владения, непреднамеренные побочные эффекты, задержки и поведение при сбоях, а также то, является ли предложенная композиция вообще допустимой.

Центральным объектом является не цифровой двойник приложения, а его формальный архитектурный скелет: контракты шестерней (GearSpec), типизированный атрибутированный гиперграф приложения (AppGraph), алгебра композиции, определяющая, какие сборки являются допустимыми, и несколько семантических проекций (типы, протоколы, ресурсы, безопасность), по которым свойства доказываются, опровергаются контрпримером или сообщаются как объяснимый пробел. Все это написано на предметно-ориентированном языке (DSL), синтаксические деревья и графы которого мы храним в проекционном редакторе (JetBrains MPS) — таким образом, DSL — это не удобный слой, а то, что определяет пространство состояний модели и границу того, что модель может предложить.

Роль стажера

В качестве исследователя-стажера (Machine Learning for Software Engineering) вы будете поддерживать работу с данными и моделированием, лежащую в основе World Model — извлекать данные из кода, создавать наборы данных и проводить базовые эксперименты. Мы ищем студентов, которые готовы сотрудничать с промышленными компаниями, работающими с ИИ, открыты к нестандартным темам и заинтересованы в долгосрочном сотрудничестве.

Ключевые обязанности

• Извлекать данные из репозиториев open-source и экстрагировать из кода графы архитектуры, зависимостей и интерфейсов.
• Помогать в создании и очистке наборов данных (спецификация → архитектура), включая генерацию синтетических проектов.
• Реализовывать и оценивать базовые модели (эвристический поиск, графовый ML, или генерация LLM) для отдельных этапов конвейера.
• Проводить бенчмаркинг моделей на общих наборах данных и метриках для сравнения подходов.
• Создавать среды оценки и воспроизводимо отслеживать эксперименты.
• Оказывать помощь в подготовке документации и, где это уместно, в публикационной деятельности.

Требуемая квалификация

• Текущее обучение по программе бакалавриата/магистратуры в области Computer Science, Data Science, Mathematics или аналогичной.
• Опыт работы с Python и ML-фреймворками (PyTorch, scikit-learn).
• Интерес к машинному обучению для кода, разработке программного обеспечения или формальным методам.
• Хорошее знание английского языка и навыки командной работы.

Желательная квалификация

• Предиктивные модели/временные ряды/и т.д.
• Инструменты LLM.
• Знакомство с графовым машинным обучением (PyTorch Geometric или DGL).
• Интерес к формальным методам, анализу программ или статическому анализу, или работе со структурой кода (например, манипуляции с AST, tree-sitter, или извлечение данных из репозиториев).

Детали подачи заявки

Пожалуйста, предоставьте:

• CV
• Краткое мотивационное письмо (макс. 1 страница) с объяснением вашего интереса и релевантных навыков
• Транскрипт записей (обязательно указание GPA)