Research Engineer – Geo-Distributed Inference

🕒 vor 2 Monaten

🌐 Vereinigte Staaten, Australien – Remote

🇺🇸 Vereinigte Staaten – Remote 🇦🇺 Australien – Remote

⏰ Vollzeit

🟡 Mittelstufe

🟠 Senior

📚 Forschungsingenieur

👻 Geisterscore 38%

Was es bedeutet: die Wahrscheinlichkeit, dass für diese Stelle niemand wirklich einstellt.So liest du es: 60 % oder höher heißt, wir halten das für einen Geisterjob. Niedrigere Werte sind weniger bedenklich.Wie wir werten: Dauer offen, Neuveröffentlichungen, offene Stellen vs Teamgröße, wie schnell Stellen geschlossen werden, und ob ein Gehalt angegeben ist.Hinweis: eine Schätzung aus öffentlichen Daten, kein Urteil über das Unternehmen. Echte Stellen können hoch punkten, nutze es also als Hinweis, nicht als Fakt.

Jetzt Bewerben

Ähnliche Remote-Jobs finden

Pluralis Research

WebsiteLinkedInAlle Stellen

1 - 10 Mitarbeiter

🤖 Künstliche Intelligenz

🌐 Web 3

Artificial Intelligence • Web 3

Pluralis Research ist ein führendes KI-Forschungslabor, das sich auf Protokolllernen konzentriert – dezentralisiertes, mehrteilnehmerfähiges Training von Fundamentmodellen, bei dem kein einzelner Teilnehmer eine vollständige Kopie des Modells besitzt. Die Gruppe entwickelt Methoden, um kommunikationseffiziente Modell- und Pipeline-Parallelisierung, nicht extrahierbare kollaborative Modelle und hochkomprimierte Kontext-Parallelisierung zu ermöglichen, sodass gemeinschaftlich trainierte und besessene Spitzenmodelle über Geräte mit niedriger Bandbreite und Internetverbindung skaliert werden können. Ihre Arbeit zielt darauf ab, praktische Systeme und Algorithmen zu entwickeln, die dezentrales Training wettbewerbsfähig mit zentralisiertem Training machen, während neue Eigentums- und Wirtschaftsmodelle ermöglicht werden.

Beschreibung

• Build and own the inference stack end-to-end, including pipeline-parallel execution, placement and routing, transport, serving engine, and failure handling • Set the technical direction for the inference stack and execute on it • Design, validate, and productionize new algorithms for fast inference on consumer hardware over the public internet • Keep the rollout pipeline fast and reliable for reinforcement-learning training • Develop the serving layer for models once they are trained

🎯 Anforderungen

• Experience shipping serving-engine internals or independently building a large-scale inference system • Hands-on ability to perform this work today • Publications in distributed inference or a nearby field, such as LLM serving systems, pipeline parallelism over slow networks, or decentralized training, or unpublished work that can be explained • Experience with systems operating in low-bandwidth, high-latency settings such as the public internet • Belief that Protocol Learning is a viable path for collective, trustless, and sovereign AI • Familiarity with RL post-training • Exposure to Apple silicon or MLX • Experience with P2P networking and NAT traversal • Experience at proprietary, open-weight, and open-source AI labs • Professional-level English proficiency, written and spoken • Comfortable working across timezones

🏖️ Vorteile

• Significant equity/ownership for key technical contributors in addition to a high base salary • Flexible work environment with team members distributed globally • Optional full visa sponsorship and relocation support to either Australia or the US

📊 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