Pesquisador(a) de IA — Distillation

Vaga não está no LinkedIn

🕒 Janeiro 23

Candidatar-se

Encontrar Vagas Remotas Similares

Receber Emails de Vagas Remotas

📊 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

Featherless AI

SiteLinkedInTodas as Vagas

1 - 10 funcionários

Fundada em 2023

🤖 Inteligência Artificial

☁️ SaaS

🔌 API

Artificial Intelligence • SaaS • API

A Featherless AI é um provedor de inferência de IA sem servidor e hospedagem de modelos que oferece acesso via API a um grande e crescente catálogo de modelos de pesos abertos (12. 200+), permitindo que desenvolvedores e empresas implante, ajustem e executem modelos em escala sem gerenciar servidores. A empresa oferece preços de assinatura fixa com tokens ilimitados, orquestração de GPU, uso privado/anônimo (sem logs) e opções para hospedagem própria em nível empresarial ou unidades de escala para alta concorrência. A Featherless AI também opera como um laboratório de pesquisa em IA focado em modelos de código aberto e pós-transformadores, alegando melhorias significativas de custo e desempenho para modelos grandes e agentes de IA.

Descrição

• Projetar e avaliar técnicas de model distillation (teacher–student training, self-distillation, layer-wise distillation, representation matching, etc.) • Pesquisar trade-offs entre tamanho do modelo, latência, uso de memória e acurácia • Desenvolver abordagens de distillation inovadoras para: • - Large language models (LLMs) • - Arquiteturas de longo contexto ou especializadas • - Ambientes com restrição de inferência (inference-constrained environments) • Conduzir experimentos em grande escala e estudos de ablação; analisar resultados de forma rigorosa • Colaborar com engenheiros para colocar em produção os resultados da pesquisa • Redigir e submeter artigos de pesquisa para conferências de alto nível (NeurIPS, ICML, ICLR, COLM, etc.) • Contribuir com notas internas de pesquisa, blogs técnicos e projetos open-source quando apropriado

🎯 Requisitos

• Sólida formação em pesquisa em machine learning • Experiência prática com model distillation ou tópicos relacionados (compressão, pruning, quantization, representation learning) • Experiência com publicações (artigos de conferência ou periódico, artigos de workshop ou preprints no arXiv) • Compreensão sólida dos fundamentos de deep learning (otimização, dinâmica de treinamento, generalização) • Domínio de PyTorch (ou equivalente) e experimentação em nível de pesquisa • Capacidade de comunicar claramente ideias de pesquisa, resultados e limitações • Experiência em distillation de large language models (desejável) • Trabalhos focados em eficiência (latência, memória, throughput) (desejável) • Experiência com modelos de longo contexto ou arquiteturas não-Transformer (desejável) • Contribuições open-source em ML ou em ferramentas de pesquisa (desejável) • Experiência prévia em startups ou pesquisa aplicada (desejável)

🏖️ Benefícios

• Responsabilidade real sobre a direção da pesquisa em estágio Series A • Forte suporte para publicação e pesquisa aberta • Ciclo de feedback curto entre pesquisa e implantação no mundo real • Acesso a recursos computacionais significativos e problemas em escala de produção • Equipe pequena e altamente técnica com profunda expertise em ML e sistemas