Featherless AI
1 - 10 Mitarbeiter
Gegründet 2023
🤖 Künstliche Intelligenz
☁️ SaaS
🔌 API
Artificial Intelligence • SaaS • API
Featherless AI ist ein Anbieter von serverlosen KI-Inferenz- und Modell-Hosting-Diensten, der API-Zugriff auf einen umfangreichen und wachsenden Katalog von Open-Weight-Modellen (12. 200+) bietet. Dadurch können Entwickler und Unternehmen Modelle in großem Maßstab einsetzen, anpassen und betreiben, ohne Server verwalten zu müssen. Das Unternehmen bietet eine pauschale Abonnementgebühr mit unbegrenzten Token, GPU-Orchestrierung, private/anonyme Nutzung (keine Protokolle) und Optionen für das unternehmensinterne Hosting oder Scale-Einheiten für hohe Parallelität. Featherless AI agiert auch als Forschungslabor für KI mit Fokus auf Open-Source- und Post-Transformer-Modellforschung und beansprucht signifikante Kosten- und Leistungsverbesserungen für große Modelle und KI-Agenten.
Machine Learning Engineer — AI-Architekturforschung
Stelle nicht auf LinkedIn
🕒 vor 5 Monaten
🗣️🇺🇸🇬🇧 Englisch erforderlich
📊 Überprüfen Sie Ihre Lebenslauf-Bewertung für diese Stelle
Verbessern Sie Ihre Chancen auf ein Vorstellungsgespräch, indem Sie Ihre Lebenslauf-Bewertung vor der Bewerbung überprüfen.
Featherless AI
1 - 10 Mitarbeiter
Gegründet 2023
🤖 Künstliche Intelligenz
☁️ SaaS
🔌 API
Artificial Intelligence • SaaS • API
Featherless AI ist ein Anbieter von serverlosen KI-Inferenz- und Modell-Hosting-Diensten, der API-Zugriff auf einen umfangreichen und wachsenden Katalog von Open-Weight-Modellen (12. 200+) bietet. Dadurch können Entwickler und Unternehmen Modelle in großem Maßstab einsetzen, anpassen und betreiben, ohne Server verwalten zu müssen. Das Unternehmen bietet eine pauschale Abonnementgebühr mit unbegrenzten Token, GPU-Orchestrierung, private/anonyme Nutzung (keine Protokolle) und Optionen für das unternehmensinterne Hosting oder Scale-Einheiten für hohe Parallelität. Featherless AI agiert auch als Forschungslabor für KI mit Fokus auf Open-Source- und Post-Transformer-Modellforschung und beansprucht signifikante Kosten- und Leistungsverbesserungen für große Modelle und KI-Agenten.
Beschreibung
• Erforschung und Entwicklung neuer neuronaler Netzwerkarchitekturen (z. B. Alternativen oder Erweiterungen zu Transformers, rekurrente/hybride Modelle, Systeme für lange Kontexte) • Entwurf und Durchführung von architekturbezogenen Experimenten (Skalierungsgesetze, Speichermechanismen, Abwägungen bei Rechenressourcen) • Prototyping von Modellen end-to-end — vom Forschungscode bis zu trainingsbereiten Implementierungen • Zusammenarbeit mit Inference- und Systemingenieuren, um sicherzustellen, dass Architekturen einsatzfähig und effizient sind • Analyse des Modellverhaltens, von Ausfallmodi und induktiven Biases • Lesen, Reproduzieren und Weiterentwickeln aktueller Forschungspublikationen • Beitrag zu internen Research-Notes, Benchmarks und Open-Source-Projekten (falls zutreffend)
🎯 Anforderungen
• Fundierte Kenntnisse in den Grundlagen des Machine Learning und Deep Learning • Praktische Erfahrung in der Implementierung von Modellarchitekturen von Grund auf • Gutes Verständnis von: • Aufmerksamkeitsmechanismen, RNNs, State-Space-Modelle (SSMs) oder hybriden Architekturen • Trainingsdynamik, Skalierungsverhalten und Optimierung • Speicher-, Latenz- und Rechenbeschränkungen auf Modellebene • Sicherer Umgang mit PyTorch oder JAX • Fähigkeit, fließend zwischen Theorie, Experimenten und Engineering zu wechseln • Klarer Kommunikator, der architektonische Abwägungen verständlich erklären kann • Wünschenswert: • Erfahrung mit Nicht-Transformer-Architekturen (RNN-Varianten, SSMs, Modelle für lange Kontexte) • Hintergrund in forschungsgetriebenen Startups oder Open-Source-ML-Projekten • Erfahrung mit großskaligem Training oder individuellen Trainingsschleifen • Veröffentlichungen, Preprints oder nennenswerte Forschungsbeiträge • Vertrautheit mit Inference-Optimierung und Deployment-Einschränkungen
🏖️ Vorteile
• Wettbewerbsfähige Vergütung + bedeutende Equity-Beteiligung
Jetzt Bewerben
