Gründungs-Research Engineer im Flower Frontier Model Team (alle Erfahrungsstufen willkommen) [Deutschland, UK, weltweit]

Stelle nicht auf LinkedIn

🕒 vor 7 Monaten

🇪🇺 Europa – Remote

⏰ Vollzeit

🟠 Senior

📚 Forschungsingenieur

🗣️🇺🇸🇬🇧 Englisch erforderlich

Jetzt Bewerben
Ähnliche Remote-Jobs finden

📊 Überprüfen Sie Ihre Lebenslauf-Bewertung für diese Stelle

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

Logo of Flower Labs

Flower Labs

11 - 50 Mitarbeiter

Gegründet 2023

🤖 Künstliche Intelligenz

📚 Bildung

Artificial Intelligence • Software • Education

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

• Die Grenzen dessen verschieben, was Frontier-AI-Modelle leisten können • KI entwickeln, die modernste Techniken mit den wegweisenden dezentralen Methoden von Flower verbindet • Eine wesentliche Rolle beim Aufbau von SOTA-LLMs und Foundation-Modelle in einem kleinen, wirkungsstarken Team spielen • Jeden Teil der wissenschaftlichen Grundlage von Frontier-Modellen mitgestalten • Praktisch arbeiten und die besten Ideen in funktionierende Systeme überführen • Mit dem Team zusammenarbeiten, um erfolgreiche Ansätze zu skalieren • Weltklasse-Modelle entwickeln, die Open Source sind und in neue Produkte von Flower Labs integriert werden • Methoden für Datenaufbereitung, Evaluierungen, Pre-Training und Post-Training entwickeln

🎯 Anforderungen

• Tiefes Verständnis aktueller Architekturen und Trainingsmethoden für LLMs und Foundation-Modelle • Erfahrung mit Pre-Training oder Post-Training (SFT, RLHF, DPO, Reward Modeling oder Äquivalent) — Hinweis: Bevorzugt werden Bewerber*innen mit Post-Training-Erfahrung • Fundierte Kenntnisse in Optimierungstechniken: Varianten von AdamW, LR-Scheduling, Mixed Precision, Stabilisierungsmethoden und Skalierungsverhalten • Ausgeprägte Fähigkeiten im experimentellen Design: Ablations, kontrollierte Vergleiche, Skalierungsexperimente • Sichere Kenntnisse in PyTorch oder JAX zur effizienten Umsetzung von Forschungsansätzen • Fähigkeit zur effektiven Zusammenarbeit mit sowohl forschungsorientierten als auch engineering-orientierten Kolleg*innen • Fähigkeit, konzeptionelle Forschungsansätze in lauffähige Prototypen zu überführen, die in das Trainingssystem integrierbar sind • Vertrautheit mit gängigen Tools (Linux-Kommandozeile, git, Docker, …) • Offenheit für die Einführung neuer Tools • Gute schriftliche Englischkenntnisse • Offene, ehrliche und transparente Kommunikationsfähigkeiten

🏖️ Vorteile

• Krankenversicherung • Betriebliche Altersvorsorge mit Arbeitgeberzuschuss (ähnlich 401(k)) • Flexible Arbeitszeiten • Bezahlter Urlaub • Möglichkeit zur Remote-Arbeit

Jetzt Bewerben