AI Engineer

🕒 Fevereiro 25

🇺🇸 Estados Unidos – Remoto (EUA)

⏰ Tempo Integral

🟡 Pleno

🟠 Sênior

🤖 Engenheiro de IA

👻 Score fantasma 68%

O que significa: quão provável esta vaga está aberta sem contratação ativa.Como ler: 60% ou mais significa que achamos que é uma vaga fantasma. Pontuações mais baixas preocupam menos.Como pontuamos: tempo em aberto, republicações, vagas abertas vs tamanho do time, rapidez para fechar vagas, e se o salário está divulgado.Observação: é uma estimativa de dados públicos, não um julgamento da empresa. Vagas reais podem ter pontuação alta, então use como uma dica, não como um fato.

Candidatar-se

Encontrar Vagas Remotas Similares

Configurar Alerta de Email para Novas Vagas

📊 Verifique sua pontuação de currículo para esta vaga

Melhore suas chances de conseguir uma entrevista verificando sua pontuação de currículo antes de se candidatar.

Enviar Currículo

Bio Protocol

SiteLinkedInTodas as Vagas

11 - 50 funcionários

🧬 Biotecnologia

₿ Cripto

🤖 Inteligência Artificial

Biotechnology • Crypto • Artificial Intelligence

O Bio Protocol é uma camada financeira descentralizada (DeSci) e plataforma que tokeniza e financia pesquisas biotecnológicas em estágio inicial. Ele permite que DAOs (organizações autônomas descentralizadas) governadas pela comunidade e propriedade intelectual tokenizada levantem capital por meio de lançamentos de tokens BIO e Vendas de Ignição, oferece mecânicas de staking e fidelidade (BioXP), e fornece infraestrutura como uma Launchpad e um Motor de Liquidez. O protocolo também suporta ferramentas científicas impulsionadas por IA (BioAgents e o cientista BIOS AI) para acelerar a pesquisa, coordenação e comercialização de inovações científicas.

Descrição

• Build agent capabilities for planning, tool use, memory, and context management, and ship them into production. • Integrate agents with internal and external tools and data sources (retrieval systems, structured datasets, lab/biomed APIs, spreadsheets, search), with robust schemas and safeguards. • Develop quality and evaluation systems, including unit, regression, and scenario/benchmark tests, telemetry, and automated scoring. • Collaborate with scientists to analyze failure modes and improve performance. • Partner with the knowledge and ontology team to ensure outputs are source-traceable and compliant with provenance standards. • Implement safety measures, guardrails, and sandboxed execution for risky operations. • Optimize performance and reliability through profiling, idempotency, retries, rate limiting, and uptime management. • Instrument data pipelines for supervised fine-tuning and reinforcement learning when needed. • Contribute to the agent platform, including services, APIs, orchestration, CI/CD, and observability.

🎯 Requisitos

• Experience building production software in Python and/or TypeScript, with strong systems and API design skills (FastAPI, gRPC, GraphQL, or similar). • Proven experience shipping LLM applications or agentic systems (tool use/function calling, retrieval/RAG, structured outputs, evaluation, or observability). • Familiarity with agent/orchestration frameworks (e.g., LangChain, LangGraph, AutoGen, CrewAI, MCP) and vector databases (FAISS, Weaviate, Pinecone). • Experience with cloud infrastructure and containers (AWS, GCP, or Azure), Docker/Kubernetes/Terraform, CI/CD, and production telemetry. • Ability to translate research prototypes into robust, scalable systems. • Nice to have: • Experience with fine-tuning and reinforcement learning (RL, RLAIF, RLHF), including reward design and offline evaluation. • Familiarity with benchmarks and evaluations such as SWE-Bench, OS-World, or tau-bench. • Knowledge of retrieval and knowledge systems, including schema and ontology design, entity modeling, and provenance tracking. • Background in agentic system safety and security (sandboxing, isolation, permissions, auditability). • Exposure to life sciences or scientific computing and collaboration with domain experts.

🏖️ Benefícios

• Evidence-first: every output is grounded and source-verifiable. • Tight feedback loops: weekly quality reviews with scientists to ship, measure, and improve. • Platform mindset: we create safe, reusable systems that empower others to build new agent capabilities.