Founding Research Engineer – Flower Frontier Model Team

Stelle nicht auf LinkedIn

🕒 vor 7 Monaten

🌐 Vereinigte Staaten, Deutschland, +1 weitere Länder – Remote

🇺🇸 Vereinigte Staaten – Remote 🇩🇪 Deutschland – Remote 🇬🇧 Vereinigtes Königreich – Remote

🏄 California, New York – Remote

🏄 California – Remote 🗽 New York – Remote

⏰ Vollzeit

🟠 Senior

📚 Forschungsingenieur

Jetzt Bewerben

Ähnliche Remote-Jobs finden

E-Mail-Benachrichtigung für neue Jobs einrichten

📊 Überprüfen Sie Ihre Lebenslauf-Bewertung für diese Stelle

Verbessern Sie Ihre Chancen auf ein Vorstellungsgespräch, indem Sie Ihre Lebenslauf-Bewertung vor der Bewerbung überprüfen.

Lebenslauf hochladen

Flower Labs

WebsiteLinkedInAlle Stellen

11 - 50 Mitarbeiter

Gegründet 2023

🏥 Gesundheitswesen

🚘 Automobilindustrie

💼 Beratung

Healthcare • Automotive • Consulting

Flower Labs ist ein Unternehmen, das ein benutzerfreundliches föderiertes KI-Framework namens Flower entwickelt, mit dem Benutzer föderiertes Lernen über verschiedene maschinelle Lernframeworks und Programmiersprachen hinweg implementieren können. Flower zielt darauf ab, den Prozess des föderierten Lernens zu vereinfachen und ermöglicht eine effiziente Verteilung und Ausführung von Arbeitslasten über eine Vielzahl von Clients. Die Plattform ist für Skalierbarkeit und Benutzerfreundlichkeit konzipiert und unterstützt verschiedene Geräte und Cloud-Systeme für Forschungs- und Produktionszwecke.

Beschreibung

• Push the boundaries of what frontier AI models can be • Help invent and build the training paradigms that will define the next decade of AI • Shape every part of the scientific foundation of frontier models • Turn best ideas into working systems and collaborate with the team to scale approaches • Design and implement techniques and run experiments across various stages relevant to frontier model building

🎯 Anforderungen

• Deep understanding of recent architectures and training methodology used for LLMs and foundation models • Experience with pre-training or post-training (SFT, RLHF, DPO, reward modeling, or equivalent) • Strong grounding in optimization techniques: AdamW variants, LR scheduling, mixed precision, stabilization methods, and scaling behaviors • Strong experimental design skills: ablations, controlled comparisons, scaling experiments • Fluency in PyTorch or JAX for implementing research ideas efficiently • Ability to collaborate effectively with both research-oriented and engineering-oriented colleagues • Ability to turn conceptual research directions into runnable prototypes that integrate into the training system • Familiarity with common tools (Linux command line, git, Docker, …) • Openness to adopting new tooling • Strong written English • Open, honest and transparent communication skills

🏖️ Vorteile

• Push the boundaries of open-source AI • Contribute to building category-defining models • Collaborate with experts in a fast-paced, demanding environment