Applied Research - Scientific AI

Должность: Прикладные исследования — Научный ИИ Местоположение: Сан-Франциско / Нью-Йорк / Удаленно / Берлин / Лондон

УПРАВЛЯЙТЕ СВОИМ ИНТЕЛЛЕКТОМ

Prime Intellect создает открытый стек сверхинтеллекта: инфраструктуру, которую внутренне разрабатывают передовые ИИ-лаборатории, и делает ее доступной для каждой амбициозной ИИ-команды.

Наша платформа, Lab, объединяет вычисления, среды, оценки, безопасные песочницы, высокопроизводительное обучение и развертывание в единую полнофункциональную систему для пост-тренировки в масштабе передовых разработок — от SFT и RL до использования инструментов, рабочих процессов агентов и постоянно совершенствующихся продакшн-моделей. Мы создаем открытый передовой ИИ: модели с открытым исходным кодом, обученные от начала до конца для выполнения долгосрочных задач, таких как автономные исследования, и полнофункциональную платформу, которую наша собственная исследовательская команда использует для их создания. Следующему поколению ИИ-компаний, предприятий и исследовательских команд нужны не просто больше GPU. Им нужна возможность превратить свои рабочие процессы, инструменты, данные и циклы обратной связи в сверхинтеллект, которым они владеют.

Prime Intellect привлек в общей сложности 150 миллионов долларов от Founders Fund, Radical Ventures, NVIDIA и выдающихся экспертов в области ИИ, инфраструктуры и корпоративного программного обеспечения — включая Андрея Карпатого, Дваркеша Пателя, а также руководителей и основателей Ramp, Perplexity, Harvey, Mercor, Zapier, Datadog, Cognition, OpenAI, Thinking Machines, Together AI, SemiAnalysis, LangChain, Browserbase, Cloudflare, Sierra, Databricks, Airbnb, OpenRouter, Standard Intelligence, Fleet, Core Auto и других. Мы ищем людей, которые хотят создавать на стыке передовых исследований, реальной инфраструктуры и вывода на рынок продукта в категории, которая еще не существует.

ВЛИЯНИЕ РОЛИ

Вы будете создавать и проводить пост-тренировку агентов для научных исследований: поиск литературы, написание и выполнение кода, использование доменных инструментов и выбор следующего эксперимента. Работа охватывает автономные исследования и вычислительную науку, с соответствующими средами и оценками, построенными вокруг инструментов, данных и экспериментальной обратной связи от партнеров по исследованиям.

ОБЯЗАННОСТИ

Каждая роль в области прикладных исследований ориентирована на внешнее взаимодействие. Большинство исследователей напрямую работают с клиентами, пользователями или партнерами по исследованиям, сохраняя при этом содержательную исследовательскую повестку дня.

В рамках исследования Prime по автономным исследованиям использовались многодневные задачи оптимизации nanoGPT для изучения того, как агенты измеряют шум, повторяют предыдущие эксперименты и проверяют улучшения. Вы будете создавать аналогичные экспериментальные циклы для научных инструментов и наборов данных.

• Создавайте долгосрочные среды, в которых агенты ищут литературу, запрашивают научные базы данных, запускают код и доменные инструменты, а также выбирают эксперименты в рамках фиксированного бюджета вычислений или экспериментов.

• Превращайте рабочие процессы, наборы данных и критерии оценки партнеров по исследованиям в задачи для обучения, оценки и сигналы вознаграждения.

• Разрабатывайте верификаторы корректности, новизны и воспроизводимости. Проверяйте, используют ли агенты исходные доказательства, с проверками на утечку меток, сокращение поиска и неподтвержденные выводы.

• Подключайте программные проверки, симуляции, доменные модели и обратную связь от экспертов к обучению. Учитывайте шумные или отложенные результаты, калибруйте оценки уверенности и определяйте, где эксперимент требует человеческого надзора.

• Разрабатывайте методы RL и многоагентных систем для предложения, тестирования и критики гипотез. Сравнивайте их с сильными одноагентными базовыми линиями при равных вычислительных ресурсах и оценивайте на отложенных проблемах.

• Обеспечивайте воспроизводимость кода, данных, логов и конфигураций экспериментов. Повторно запускайте перспективные результаты, измеряйте шум и используйте абляционные исследования для отделения улучшений модели от изменений в данных, среде или настройках вывода. Выпускайте повторно используемые среды, оценки и исследовательский код.

ТРЕБОВАНИЯ

• В первую очередь мы ищем глубокие знания в области RL, агентов или систем пост-тренировки и способность приобрести соответствующий научный контекст.

• Предыдущий опыт в области автономных исследований, машинного обучения для науки, научных вычислений или воспроизводимых вычислительных исследований полезен, но не обязателен.

• Практический опыт создания и отладки моделей обучения, пост-тренировки, агентов, оценки или близко связанных с ними экспериментальных циклов.

• Сильное экспериментальное суждение: осмысленные базовые линии, тщательная инспекция трассировки, четкое определение причин сбоев и готовность изменить направление, когда меняются доказательства.

• Отличное знание Python и способность создавать артефакты, которые другие исследователи и инженеры могут запускать, проверять и расширять.

• Уверенность в решении неоднозначных проблем и поддержании актуальности информации для партнеров и коллег по мере их решения.

Доказательства исключительной работы

Мы ценим публикации, системы с открытым исходным кодом, бенчмарки и выпущенные продукты как свидетельство исключительной работы. Покажите нам что-то сложное, что вы создали, что не получилось, и как доказательства изменили ваш подход.

ПРЕИМУЩЕСТВА И БОНУСЫ

• Диапазон денежной компенсации $150–300 тыс. + опционы на акции

• Гибкий график работы (Сан-Франциско, Нью-Йорк, Лондон, Берлин или удаленно)

• Визовая поддержка и помощь при переезде

• Бюджет на профессиональное развитие

• Командные выезды и посещение конференций

Если вас привлекает возможность заложить основу для будущего децентрализованного ИИ и создать платформу, которая позволит разработчикам и исследователям расширять границы возможного, мы будем рады услышать от вас.