Research Engineer – Post-Training

🕒 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 the RL post-training stack end-to-end, including rollout ingestion, reward computation, policy updates, and distributing updated weights across the network • Set the direction for the post-training stack and execute its development • Adapt RL algorithms to asynchronous, high-latency, partially trusted generation • Address staleness tolerance, off-policy corrections, and communication-efficient policy updates • Build evaluations demonstrating model improvement • Deliver the first decentralized post-trained model release as a public artifact

🎯 Anforderungen

• Hands-on experience running RL post-training on large language models, including RLHF, RLVR, or reasoning-focused RL • Experience with rollout generation, asynchronous training loops, and weight synchronization • Production-quality Python and PyTorch skills • Experience with concurrency, failure handling, and profiling before optimizing • Publications in RL post-training, asynchronous or distributed RL, or nearby fields, or unpublished work that can be defended in detail • Belief in Protocol Learning as a viable path for collective, trustless, and sovereign AI • Professional-level English proficiency, written and spoken • Comfort working across timezones • Nice to have: experience training over slow networks or with decentralized/federated setups • Nice to have: familiarity with vLLM or SGLang serving internals • Nice to have: experience with reward modeling or verifiable-reward datasets • Nice to have: experience with P2P networking and NAT traversal • Nice to have: experience at proprietary, open-weight, and open-source AI labs

🏖️ 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