Scientifique de recherche / Ingénieur(e) – Infrastructure d’apprentissage par renforcement

🔥 il y a 12 heures

🇪🇺 Europe – Télétravail

⏰ Temps Plein

🟡 Intermédiaire

🟠 Senior

🧬 Chercheur Scientifique

👻 Score fantôme 12%

Ce que ça veut dire : la probabilité que cette offre reste ouverte sans recrutement actif.Comment le lire : 60 % ou plus, on pense que c'est une offre fantôme. Un score plus bas est moins inquiétant.Comment on la calcule : ancienneté, republications, postes ouverts vs taille de l'équipe, rapidité de clôture, et si le salaire est indiqué.À noter : une estimation à partir de données publiques, pas un jugement sur l'entreprise. De vraies offres peuvent avoir un score élevé, alors prenez-le comme un indice, pas comme un fait.

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

Luma AI

Site WebLinkedInTous les Emplois

2 - 10 employés

🤖 Intelligence artificielle

☁️ SaaS

📱 Médias

💰 €90 000 000 Series B en 2025-01

Artificial Intelligence • SaaS • Media

Luma AI est une entreprise basée à Palo Alto qui développe des modèles d'IA générative multimodale et des outils de flux de travail créatif axés sur la production de vidéos, d'images, d'audio et de textes. Luma propose des modèles et des produits tels que Ray (génération de vidéos), UNI-1/Uni-1. 1 (modèles d'intelligence de marque), et une API/des offres d'entreprise qui permettent aux équipes créatives de générer, éditer et réaliser des contenus de qualité cinématique avec une continuité de marque. Ils mettent l'accent sur la recherche d'avant-garde (Open Physical AI Lab), le développement interne de modèles, et des produits pour les équipes créatives, les agences et les services de production. Luma fournit également des API, des plans d'entreprise, un programme de partenariats créatifs et des ressources d'apprentissage.

Description

• Concevoir, développer et faire évoluer des systèmes distribués de post-entraînement par apprentissage par renforcement (RL) sur plusieurs milliers de GPU • Développer une génération de rollouts à haut débit intégrant vLLM, SGLang, la synchronisation des poids ainsi que des schémas asynchrones et off-policy • Concevoir des environnements RL évolutifs pour des tâches agentiques et multi-étapes, notamment l’exécution de code en sandbox, l’utilisation d’outils, l’utilisation d’ordinateurs et les interactions multimodales • Développer l’infrastructure de récompense, notamment les récompenses vérifiables et programmatiques, le serving de modèles de récompense, les pipelines LLM-as-a-judge et les mécanismes de protection contre le reward hacking • Développer des outils d’évaluation, de supervision et de débogage pour garantir la stabilité des entraînements RL à grande échelle • Améliorer l’efficacité et la stabilité de l’entraînement, et transformer les idées de post-entraînement en runs de production avec les équipes de recherche • Prendre en main la stack RL actuelle, diagnostiquer les goulots d’étranglement, déployer et valider des améliorations, puis fiabiliser l’ensemble de la boucle sur plusieurs milliers de GPU

🎯 Exigences

• Expérience pratique du post-entraînement de LLM avec des méthodes RL (famille PPO/GRPO, RLHF, RLVR) à une échelle significative • Solide expérience de l’entraînement distribué avec PyTorch et des techniques de parallélisme (FSDP, parallélisme tensoriel, pipeline et expert) pour des modèles de fondation • Expérience dans la conception d’environnements RL, de fonctions de récompense, de vérificateurs ou de frameworks d’évaluation pour des agents LLM, notamment l’exécution en sandbox et l’utilisation d’outils en plusieurs tours • Excellente maîtrise des frameworks de post-entraînement RL (veRL, OpenRLHF, TRL, orchestration avec Ray) et des moteurs d’inférence pour les rollouts (vLLM, SGLang) • Très bonne compréhension des clusters de GPU, des réseaux et des bibliothèques de communication (NCCL, MPI) dans des charges de travail mixtes d’entraînement et d’inférence • Maîtrise de la conteneurisation et de l’orchestration (Kubernetes, Ray) pour de grands parcs d’environnements et des workloads en sandbox • Contributions de recherche dans le domaine du RL appliqué aux LLM, ou contributions open source à des frameworks d’entraînement RL

🏖️ Avantages

• Employeur garantissant l’égalité des chances • Organisation de travail à distance flexible au sein de l’Union européenne