Research Scientist – Geo-Distributed Inference

🕒 vor 15 Tagen

🌐 Vereinigte Staaten, Australien – Remote

🇺🇸 Vereinigte Staaten – Remote 🇦🇺 Australien – Remote

🏄 California – Remote

🏄 California – Remote

⏰ Vollzeit

🟡 Mittelstufe

🟠 Senior

🧬 Forschungswissenschaftler

👻 Geisterscore 25%

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 • Set direction for pipeline-parallel execution, placement and routing, transport, serving engine, and failure handling • Invent, design, validate, and productionize 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 trained • Support inference across Macs and consumer GPUs owned by distributed participants • Handle nodes joining and leaving mid-run and model weights changing during training

🎯 Anforderungen

• Experience shipping serving-engine internals or building a large-scale inference system • Hands-on ability to work on serving systems • Publications in distributed inference or a nearby field, such as LLM serving systems, pipeline parallelism over slow networks, or decentralized training, or equivalent unpublished work that can be discussed • Experience with low-bandwidth, high-latency systems operating over the public internet • Belief in Protocol Learning as a viable approach 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, or open-source AI labs • Professional-level English proficiency, written and spoken • Ability to work across timezones

🏖️ Vorteile

• Significant equity ownership for key technical contributors in addition to a high base salary • Flexible work environment • Optional full visa sponsorship • Relocation support to Australia or the US • Opportunity to work on open, frontier research problems • Remote-first culture • Globally distributed team

📊 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