Ingénieur·e de recherche fondateur·trice au sein de l'équipe Flower Frontier Model (tous niveaux d'expérience bienvenus) [Allemagne, Royaume-Uni, Monde]

Emploi pas sur LinkedIn

🕒 il y a 7 mois

Postuler Maintenant

Trouver des Emplois à Distance Similaires

Configurer une alerte email pour les nouveaux emplois

📊 Vérifiez votre score de CV pour ce poste

Améliorez vos chances d'obtenir un entretien en vérifiant votre score de CV avant de postuler.

Télécharger le CV

Flower Labs

Site WebLinkedInTous les Emplois

11 - 50 employés

Fondée en 2023

🤖 Intelligence artificielle

📚 Éducation

Artificial Intelligence • Software • Education

Flower Labs est une entreprise qui développe un cadre d'IA fédérée convivial appelé Flower, permettant aux utilisateurs de mettre en œuvre l'apprentissage fédéré à travers divers cadres de machine learning et langages de programmation. Flower vise à simplifier le processus d'apprentissage fédéré, permettant une distribution et une exécution efficaces des charges de travail sur une multitude de clients. La plateforme est conçue pour être évolutive et utilisable, supportant divers appareils et systèmes cloud à des fins de recherche et de production.

Description

• Repousser les limites de ce que peuvent accomplir les modèles d'IA de pointe • Concevoir des IA qui associent des techniques de pointe aux méthodes décentralisées pionnières de Flower • Jouer un rôle critique dans la création de LLMs et de modèles fondamentaux SOTA au sein d'une petite équipe à fort impact • Façonner chaque élément de la base scientifique des modèles de pointe • Être très opérationnel·le, transformer les meilleures idées en systèmes fonctionnels • Collaborer avec l'équipe pour mettre à l'échelle les approches efficaces • Produire des modèles de classe mondiale, open-source, et les intégrer aux nouveaux produits Flower Labs • Développer des méthodes de curation de données, d'évaluation, de pré-entraînement et de post-entraînement

🎯 Exigences

• Compréhension approfondie des architectures récentes et des méthodologies d'entraînement utilisées pour les LLMs et les modèles fondamentaux • Expérience en pré-entraînement ou en post-entraînement (SFT, RLHF, DPO, reward modeling, ou équivalent) — la préférence sera donnée aux personnes ayant une expérience en post-entraînement • Solide maîtrise des techniques d'optimisation : variantes d'AdamW, ordonnancement du taux d'apprentissage (LR scheduling), précision mixte, méthodes de stabilisation et comportements à l'échelle • Excellentes compétences en conception expérimentale : ablations, comparaisons contrôlées, expériences d'échelle • Maîtrise de PyTorch ou JAX pour implémenter efficacement des idées de recherche • Capacité à collaborer efficacement avec des collègues orientés recherche et ingénierie • Capacité à transformer des orientations de recherche conceptuelles en prototypes exécutables intégrés au système d'entraînement • Familiarité avec les outils courants (ligne de commande Linux, git, Docker, …) • Ouverture à l'adoption de nouveaux outils • Très bon niveau d'anglais écrit • Communication ouverte, honnête et transparente

🏖️ Avantages

• Assurance santé • Abondement 401(k) • Horaires flexibles • Congés payés • Options de télétravail