Место работы: Wellesley, MA (3 дня в неделю в офисе)
Обзор компании
Accrete — компания, предоставляющая управляемые услуги на основе агентов: мы поставляем инфраструктуру ИИ и рабочую силу ИИ, которая выполняет работу, требующую высокой ставки и сложного суждения, для государственных и корпоративных клиентов — по стоимости программного обеспечения, а не труда.
В основе лежит движок Accrete Knowledge Engine — динамический контекстный граф, который фиксирует неявные знания организации, разрешает данные между разрозненными источниками и создает живую, проверяемую основу истины. Экспертные агенты рассуждают на основе этой основы истины, чтобы действовать при принятии сложных, требующих высокой ставки решений — а не просто отвечать на вопросы о них. От национальной безопасности до коммерческих операций Accrete выполняет работу на одной платформе с неограниченным количеством экспертных агентов и экспертным суждением.
Описание вакансии
Мы ищем старшего прикладного ученого для участия в исследованиях и разработке контекстных графов Accrete — интеллектуального слоя, на котором построены Knowledge Engine и его агенты.
Работа опирается на представление знаний, графовое машинное обучение и извлечение информации в сочетании с LLM, для непрерывного построения, обогащения, рассуждения и поддержания структурированной картины того, как функционирует организация. Агентные системы являются ключевыми: граф и топология агентов, построенная поверх него, разрабатываются совместно, поскольку то, что агентам нужно извлекать и на чем действовать, определяет структуру графа.
Основная задача состоит в том, чтобы выйти за рамки статических графов знаний и традиционного поиска информации к динамическим контекстным графам, которые фиксируют, как принимаются решения и почему — вовлеченные действующие лица, события, риски и правила, зависимости между ними, и как все это меняется со временем. Большая часть важной информации никогда не была записана напрямую; ее приходится реконструировать по следам, которые работа оставляет в заявках, цепочках обсуждений и на встречах. На практике это означает извлечение данных из больших объемов гетерогенных данных, разрешение сущностей и отношений между источниками, явное моделирование происхождения и неопределенности, а также построение структур графов, над которыми агенты могут надежно рассуждать.
Это прикладная исследовательская роль. Идеи становятся системами, которые работают с реальными данными в масштабе, разрабатываются совместно с инженерами и продуктовыми командами. Это также означает серьезное отношение к оценке: нет простой основы истины, подтверждающей, правильно ли граф уловил ход рассуждений, и разработка эталонных тестов и методов проверки, отвечающих на этот вопрос, является частью работы, а не запоздалой мыслью.
Основные обязанности
- Проведение прикладных исследований, ориентированных на контекстные графы, представление знаний, графовый интеллект и системы ИИ, работающие со сложными, гетерогенными данными.
- Разработка алгоритмов и архитектур для построения и непрерывного обновления динамических контекстных графов из структурированных и неструктурированных данных.
- Исследование методов разрешения сущностей, извлечения отношений, извлечения событий, временного рассуждения, семантического связывания и обнаружения знаний из разрозненных источников информации.
- Разработка графовых представлений сущностей, отношений, событий, решений, процессов и организационных знаний.
- Исследование подходов к включению времени, происхождения, уверенности, неопределенности и атрибуции источника в графовые представления.
- Разработка графовых методов для поддержки рассуждений LLM, поиска информации, планирования и агентных рабочих процессов.
- Исследование методов объединения LLM со структурированными графовыми представлениями для повышения точности рассуждений, обоснованности и объяснимости.
- Проектирование и оценка графовых алгоритмов, эмбеддингов, методов поиска информации и подходов машинного обучения для обнаружения скрытых отношений и релевантного контекста.
- Изучение методов выявления изменений, несоответствий, пробелов и возникающих закономерностей в развивающихся графах знаний и контекста.
- Разработка прототипов и экспериментальных систем, а также сотрудничество с инженерными командами для перевода успешных исследований в масштабируемые производственные возможности.
- Проектирование эталонных тестов и систем оценки для измерения качества графа, производительности поиска информации, точности рассуждений, обоснованности и надежности системы.
- Быть в курсе достижений в области представления знаний, графового машинного обучения, LLM, поиска информации, баз данных и смежных исследовательских областей.
- Внесение вклада в техническую стратегию посредством исследовательских публикаций, патентов, интеллектуальной собственности, технической документации и наставничества.
Требуемые квалификации
- Степень Ph.D. в области компьютерных наук, электротехники и компьютерной инженерии, вычислительной лингвистики, когнитивной науки или смежной технической области с исследовательским фокусом в области машинного обучения, NLP, представления знаний, графового обучения или поиска информации.
- Глубокие знания как минимум в двух из следующих областей с рабочим знакомством с остальными: представление знаний и графы знаний; графовое машинное обучение; извлечение информации и NLP; поиск информации и семантический поиск.
- Подтвержденный опыт публикаций в рецензируемых изданиях ведущих конференций, таких как NeurIPS, ICML, ICLR, ACL, EMNLP, KDD, WWW или ISWC.
- Опыт построения конвейеров извлечения данных из неструктурированных и гетерогенных источников — сущностей, отношений и событий — включая извлечение на основе LLM, генерацию с дополненным поиском и методы эмбеддингов.
- Опыт проектирования оценки для задач без четкой основы истины: построение эталонных тестов, протоколы ручной аннотации и проверки, измерение согласованности и базовые уровни, достаточно сильные, чтобы их превзойти.
- Сильные навыки программирования и системной разработки на Python и PyTorch, практический опыт использования графовых баз данных, таких как Neo4j, и графовых фреймворков машинного обучения, таких как PyTorch Geometric или DGL.
- Подтвержденная способность превращать исследовательские идеи в работающие системы — исследовательский код, который могут запускать другие, вклад в open-source или системы, пережившие эксперименты одной статьи.
- Способность самостоятельно формулировать исследовательские вопросы в условиях неопределенности и четко доносить техническую работу до исследовательских, инженерных и продуктовых аудиторий.
Предпочтительные квалификации
- Знакомство с теорией когнитивной или организационной памяти (эпизодическая/семантическая память, консолидация, транзактивная память, неявные знания) и интерес к их переводу в вычислительные представления того, как организации сохраняют и теряют знания.
- Предыдущий опыт прохождения отраслевых исследовательских стажировок или постдокторских исследований, особенно прикладная работа с реальными данными в масштабе.
- Опыт работы с мультиагентными системами, построенными на основе структурированных знаний: топология и оркестрация агентов, дизайн интерфейса инструментов и оценка траекторий агентов.
- Опыт работы с динамическими или временными графами знаний и с архитектурами временного графового обучения.
- Опыт эволюции схем и онтологий в системах знаний — версионирование, миграция и повторное извлечение при изменении представлений.
- Опыт пересмотра убеждений и поддержания знаний: обработка противоречивых данных, отзыв устаревших утверждений и моделирование того, когда что-то было истинным, отдельно от того, когда система это узнала.
- Опыт адаптации или дистилляции моделей с открытыми весами для кодирования знаний предметной области, включая тонкую настройку и дистилляцию знаний.
- Опыт применения исследований в корпоративной, разведывательной или оборонной сферах, где результаты должны быть обоснованными, атрибутируемыми и исправимыми.
Диапазон заработной платы: $160k-$210k
Предоставленный диапазон заработной платы отражает предполагаемую компенсацию за эту роль, основанную на ожидаемых квалификациях и уровне опыта. Окончательное предложение может варьироваться в зависимости от таких факторов, как навыки, опыт и соответствие требованиям роли.
Основные ценности и ожидания:
Воздействие.
Вы берете на себя полную ответственность за свою работу, последовательно доводя проекты от зарождения до завершения с сильным акцентом на действие. Проактивно выявляя проблемы, вы ищете решения, а не ждете указаний, и требуете от себя и других самых высоких стандартов в достижении результатов. Обладая стратегическим мышлением и решая проблемы, вы принимаете обоснованные решения, используя данные и опыт, всегда ища способы улучшить процессы, оптимизировать рабочие процессы и повысить результаты за пределами ваших непосредственных обязанностей.
Сотрудничество.
Вы беспрепятственно работаете в командах, отдавая приоритет общим целям и успеху команды над индивидуальными заслугами. Активное слушание и открытое, честное общение находятся в центре вашего подхода, обеспечивая согласованность и синергию во всей организации. Вы цените разнообразные точки зрения, запрашивая вклад у других для достижения лучших результатов. Относясь к коллегам с уважением и профессионализмом, вы помогаете создавать культуру доверия, поддерживая друг друга в решении проблем, отмечая успехи и конструктивно разрешая конфликты для укрепления отношений и улучшения результатов.
Страсть к ИИ и Инновациям.
Вы глубоко увлечены преобразующим потенциалом ИИ и стремитесь внести свой вклад в компанию, формирующую будущее работы. Обладая любознательностью и мышлением роста, вы постоянно стремитесь учиться, адаптироваться и оставаться на переднем крае новых разработок. Ваш энтузиазм в отношении инноваций побуждает вас исследовать новые идеи, бросать вызов статус-кво и находить творческие решения, которые приносят ощутимые результаты. Вы подходите к своей работе с энергией и желанием продвигать как технологии, так и способы нашей работы.
Преимущества компании
- Конкурентная заработная плата: Соответствует опыту и рыночным стандартам
- Комплексное страхование: Медицинское страхование, стоматологическое страхование и страхование зрения для вас и вашей семьи
- План 401(k): Стройте свое финансовое будущее с нашим планом пенсионных накоплений
- Гибкий PTO и гибридная работа: Берите выходные, когда это необходимо, и наслаждайтесь гибкостью удаленной работы в соответствии с правилами компании
- Рост и развитие: Доступ к возможностям профессионального обучения и поддержке карьерного роста
- На месте: Наслаждайтесь обедами, закусками и полностью оборудованной кухней
- Сплочение команды: Корпоративные мероприятия и социальные события для общения и отдыха
Accrete является работодателем, предоставляющим равные возможности/позитивные действия. Все квалифицированные кандидаты получат рассмотрение для трудоустройства независимо от пола, гендерной идентичности, сексуальной ориентации, расы, цвета кожи, религии, национального происхождения, инвалидности, статуса ветерана, возраста или любой другой характеристики, защищенной законом.
