KI-Forschungsingenieur (Agentisches Nachtraining) – 100 % Remote weltweit

🕒 vor 1 Monat

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

Tether.to

WebsiteLinkedInAlle Stellen

11 - 50 Mitarbeiter

Gegründet 2014

₿ Crypto

💳 Fintech

💸 Finanzen

Crypto • Fintech • Finance

Tether. to ist ein führendes Unternehmen für digitale Vermögenswerte, das die Nutzung von Stablecoins im Blockchain-Bereich vorantreibt. Als der am weitesten verbreitete Stablecoin sind Tether-Token darauf ausgelegt, im Verhältnis 1:1 an Fiatwährungen gekoppelt zu sein, und bieten Nutzern eine stabile digitale Vermögensoption. Die Plattform erleichtert diese Token-Transaktionen über mehrere Blockchains hinweg und fördert grenzüberschreitende Transaktionen, während durch tägliche Aufzeichnungen der Gesamtvermögenswerte und Reserven Transparenz gewahrt wird. Zu den Initiativen von Tether gehören Bildungsprogramme zur Förderung der Nutzung digitaler Vermögenswerte, insbesondere in Regionen wie dem Nahen Osten, der Türkei und den Philippinen. Tether positioniert sich somit als Disruptor des traditionellen Finanzsystems, indem es eine stabile, effiziente Methode für Transaktionen in der digitalen Währungswelt ermöglicht.

Beschreibung

• Durchführung von Ende‑zu‑Ende-Forschungs- und Engineering‑Initiativen zur Weiterentwicklung des Nachtrainings agentischer Modelle und von Modellen zur Werkzeugnutzung mit dem Ziel, Ergebnisse auf Stand‑der‑Technik‑Niveau zu erzielen. • Vorantreiben umfassender, bereichsübergreifender Modellverbesserungen, einschließlich Faktentreue, Befolgung von Anweisungen, Nutzung von Werkzeugen/Funktionen, Koordination mehrerer Agenten und Kalibrierung von Schlussfolgerungen. • Entwurf und Weiterentwicklung großskaliger Nachtrainingssysteme, einschließlich Datenpipelines, Trainingsabläufe, Evaluierungsrahmen und Benchmark‑Infrastruktur. • Entwicklung rigider Evaluierungssuiten und Diagnosewerkzeuge zur Bewertung der Einsatzbereitschaft von Modellen. • Stärkung von Feedback‑Schleifen aus realer Produktnutzung durch Einbeziehung sowohl expliziter als auch impliziter Nutzersignale in das Nachtraining. • Zusammenarbeit mit Tooling‑, Produkt‑ und Trainings‑Teams zur Verbesserung der Nützlichkeit, Zuverlässigkeit und agentischen Fähigkeiten von Spitzenmodellen. • Enge Abstimmung mit Forschungs-, Engineering- und bereichsübergreifenden Teams, um zu bestimmen, welche Integrationen produktionsreif sind und in große Modell‑Releases aufgenommen werden können.

🎯 Anforderungen

• Abschluss in Informatik, Maschinellem Lernen oder einem verwandten Fach; ein fortgeschrittener Abschluss (Master/Doktor) ist bevorzugt, idealerweise mit einer starken Publikationsbilanz in führenden KI‑Konferenzen. • Erfahrung mit multimodalen Nachtrainingsabläufen und Datenpipelines, insbesondere für agentische Systeme und Werkzeugnutzung. • Praktische Erfahrung mit Nachtraining in großem Maßstab unter Einsatz verteilter Trainingsframeworks (z. B. Multi‑Node‑GPU‑Umgebungen). • Nachgewiesene Erfolge bei der Verbesserung von Modellfähigkeiten in Bereichen wie Schlussfolgerungsfähigkeit, Werkzeugnutzung und Mehragenten‑Koordination, die Ergebnisse auf Stand‑der‑Technik‑Niveau erzielen. • Nachweisbare Open‑Source‑Beiträge im Zusammenhang mit agentischen Systemen oder Werkzeugnutzung (Code, Datensätze oder Modelle) auf Plattformen wie GitHub oder Hugging Face. • Veröffentlichungen auf führenden KI‑Konferenzen (z. B. NeurIPS, ICML, ICLR, ACL, CVPR, ECCV).

🏖️ Vorteile

• Flexible Arbeitsmodelle • Möglichkeiten zur beruflichen Weiterentwicklung