Member of Technical Staff, ML Platform

🕒 Setembro 22

🇺🇸 Estados Unidos – Remoto (EUA)

💵 $240.000 - $290.000 / ano

⏰ Tempo Integral

🔴 Especialista

🖥 Engenheiro de Software

👻 Score fantasma 10%

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

Runway

SiteLinkedInTodas as Vagas

51 - 200 funcionários

Fundada em 2018

🤖 Inteligência Artificial

☁️ SaaS

📱 Mídia

Artificial Intelligence • SaaS • Media

A Runway é uma empresa que está construindo uma base de "Inteligência do Mundo Real" — modelos e sistemas robustos que podem entender, simular e atuar no mundo visual. Oferece três principais plataformas de produtos baseados nesses modelos: Runway Creative, uma suíte criativa em nuvem tudo-em-um para gerar e editar vídeo, imagens e áudio para indivíduos e equipes; Runway Dev, uma plataforma de mídia e API de IA para desenvolvedores rodarem modelos, comporem pipelines e desencadearem fluxos de trabalho; e a Runway Robotics, um kit de ferramentas para simulação fotorrealista, inferência de políticas e geração de dados sintéticos, alimentado por seu General World Model (GWM-1). A Runway também publica pesquisas (por exemplo, GWM-1, modelo de vídeo Gen-4. 5) e atende tanto criadores individuais quanto clientes corporativos.

Descrição

• Own the evaluation platform end to end, including tooling and systems to generate, annotate, review, and adapt evaluations at frontier scale • Define CLIs, APIs, GUIs, and storage layers for a seamless, fast, sophisticated, and collaborative evaluation process • Work with research teams on video, image, audio, agents, and robotics to understand measurement needs and build platform capabilities • Set standards for model evaluation, including reproducibility, metric definitions, reporting formats, and trust thresholds for action • Support platform adoption and integration across training, production model serving, and other research efforts • Contribute to ML Platform tools and systems used to train and serve frontier models • Design and build systems that generate samples at scale, score them with automated metrics and human annotations, track results across checkpoints and releases, and deliver findings to researchers quickly • Define operationally what constitutes a better model and how results become ship/no-ship decisions

🎯 Requisitos

• 5+ years of experience building ML infrastructure or data platforms in production environments • Experience with evaluation, experimentation, or benchmarking systems • Strong Python and PyTorch skills • Hands-on experience running large batch GPU workloads on Kubernetes • Experience designing data pipelines and storage for large volumes of media or model outputs • Attention to versioning and reproducibility • Familiarity with experimental statistics, including paired comparisons, confidence intervals, multiple-comparison pitfalls, and inter-rater agreement • Experience building internal tools end to end, from command line to browser • Ability to lead a broad technical area, gather requirements, set direction, make tradeoffs, and drive a roadmap • Familiarity with the full model development lifecycle: data, training, evaluation, and serving • Strong systems thinking and pragmatic approach to production reliability • Self-starter able to work embedded with research teams and move fast • Humility and open mindedness • Nice to have: track record building evaluation suites for generative models • Nice to have: hands-on work with LLM- or VLM-as-judge pipelines • Nice to have: experience with online experimentation platforms and connecting offline metrics to product outcomes • Nice to have: prior work evaluating agents or robotics policies

🏖️ Benefícios

• Access to best-in-class models, agents, GPUs, storage and cloud services • Broad access to the latest models and harnesses • Diverse and inclusive workplace with equal opportunity to succeed • Salary is part of the overall compensation package • Pay equity commitment