Hochrangiger Forschungsingenieur
AssemblyAI | Anywhere in the World
Warenbezeichnung
Zentrale: Remote Why AssemblyAI AssemblyAI baut die besten Voice-KI-Modelle der nächsten Generation von Sprachanwendungen. Unsere Modelle dienen 600M+-Inferenzrufe monatlich, 1M+ Stunden Audio täglich verarbeiten und Leistung 2 Milliarden + Endbenutzer-Erfahrungen. Der Voice-KI-Raum ist an einem Wendepunkt; wir suchen Leute wirklich begeistert, um ein kleines Team zu verbinden und helfen, die Zukunft der Branche zu definieren. Wir sind eines der kapitaleffizientesten KI-Unternehmen auf dem Planeten - mit unter 100 Menschen, die etwa $ 600K ARR pro Mitarbeiter, wir sitzen unter den Top 5 Umsatz-Dense-Teams innerhalb der am schnellsten wachsenden KI-Unternehmen heute. Das ist kein Unfall; es ist eine bewusste Wahl, schlank zu bleiben, schnell zu bewegen, und geben jeder Person auf das Team überdimensionierten Eigentümer und Einfluss. Mit Tausenden von Kunden wie Granola, Fireflies, Figure AI und CallRail hat das Unternehmen eine echte Skala - Bearbeitung von mehr als 2 Millionen Stunden Audio täglich und die Handhabung von mehr als 1 Million API-Anrufe pro Tag. Dies ist eine seltene Wachstumsphase Chance, wo das Geschäft bewiesen ist und die Flugbahn steil ist, aber das Team ist immer noch klein genug, dass Ihre Fingerabdrücke auf alles sind.
Wenn Sie sich jemals unter bürokratischen Schichten begraben gefühlt haben, von echtem Eigentum verhungert oder frustriert beobachtet werden, wie Ihre Arbeit in einer langsam bewegenden Org verschwindet, ist AssemblyAI anders aufgebaut. Das Unternehmen arbeitet als wahre Verdienstsache, ohne schwere Planungs- oder Genehmigungsprozesse und ohne Gatekeeping auf den Werkzeugen oder Informationen, die Sie benötigen. Für jeden, der wirklich um Stimme KI kümmert, nicht als Trend zu jagen, aber als Technologie zu bauen, ist dies der Ort, wo die interessantesten Probleme in der interessantesten Skala von einem Team gelöst werden klein genug, dass Sie tatsächlich jeden Namen kennen. Wir sind verpflichtet, einen Raum zu schaffen, wo unsere Mitarbeiter können ihre vollen Selbst zu arbeiten und haben gleiche Chance, um zu gelingen. Egal Ihre Rasse, Geschlechtsidentität oder Ausdruck, sexuelle Ausrichtung, Religion, Herkunft, Fähigkeit, Alter, Veter Status, wenn der Beitritt zu dieser Mission spricht zu Ihnen, wir ermutigen Sie, sich zu bewerben!
Wir suchen einen Senior Research Engineer, der sich unserem Forschungsteam anschließt, die Systeme für groß angelegte verteilte Schulungen, Datenverarbeitung und Rückschlüsse entwickelt und verbessert. Unser Ziel als Organisation ist es, Kundenprobleme zu lösen und unsere Produkte durch Modellentwicklung und -messung schnell zu verbessern – und wie schnell wir uns bewegen, hängt davon ab, wie schnell jeder hier ein Experiment durchführen, messen und herausfinden kann, was falsch ist. Die Erhöhung dieser Decke ist das Herzstück dieser Rolle. Sie arbeiten innerhalb der Pipeline, die Sie verbessern, nicht neben ihr.
Der ideale Kandidat hat ein tiefes Verständnis für moderne Deep-Learning-Systeme, kombiniert mit starker Engineering-Kompetenz über JAX und TPUs, Schicht-Level-Optimierung, großflächige verteilte Schulungen, Streaming, geringe Latenz und asynchrone Inferenz, Inferenz-Compiler und fortschrittliche Parallelisierungstechniken. Dies ist eine funktionsübergreifende Rolle. Sie arbeiten eng mit unseren Forschern, unserem Infrastruktur-Team und Produktionstechnik zusammen – nicht als Handoff-Punkt, sondern als Person, die genug von jeder Domäne lernt, um Probleme bis zur Auflösung zu verfolgen. Manchmal werden Sie Modelle trainieren, Bewertungen durchführen und Daten selbst analysieren, um Auswirkungen direkt zu erzielen und zu lernen, was es wert ist, die Arbeit des Teams zu multiplizieren. Die Bar ist jemand, der die End-to-End-Wirkung versteht, die sie zu machen beabsichtigen, misst es von Anfang an und würde es lieber herausfinden, dass sie in einer Woche als in einem Viertel falsch lagen. Diese Disziplin macht Cross-Funktional Ownership zu einem Vorteil. Die Rolle ist eingebettet in das Forschungsteam. Was You.ll tun • Die experimentelle Geschwindigkeit des Teams erhöhen – machen Sie es schneller, einen Experimentierjob zu starten, eine Anzahl zurückzuholen, die Sie als nächstes versuchen können. • Unser JAX-Trainingsrahmenwerk beibehalten und weiterentwickeln, so dass es skalierbar und effizient für groß angelegte verteilte Trainingsläufe auf TPU bleibt. • Die Daten, die unsere Modelle lernen, verbessern: Qualitätsfragen untersuchen, das Werkzeug bauen, um sie zu bedecken und das, was Sie finden, in messbare Genauigkeitsgewinne umzuwandeln.
• Analyse der Genauigkeit von Produktionsmodellen, Aufbau von Bewertungs- und Bewertungs-Leitfäden und Ausarbeitung von Verbesserungen, die den Kunden am wichtigsten sind. • Übersetzen Sie Forschungsprototypen in produktionsreife Systeme, Refaktorisierung und Modernisierung von Modellarchitekturen und -infrastrukturen entlang des Weges. • Optimieren Sie die Produktionsableitung für Sprachmodelle, sowohl aus der Perspektive der Dienstarchitektur als auch durch fortschrittliche Techniken wie Quantisierung und spekulative Dekodierung. • Untersuchen und beheben Sie Leistungsengpässe im gesamten Stapel, von den niederen Kernen (XLA, Pallas) bis zum hochrangigen Systemdesign. • Partner mit Forschern, Infrastruktur und Produktionstechnik, um Probleme auf ihre tatsächliche Quelle und Schiffsbereinigungen zu verfolgen. Was You ®ll benötigt • Experten-Level-Fähigkeit mit JAX und TPUs, einschließlich des umgebenden Ökosystems (Flax, Optax, die Kompilierung der XLA-Pipeline). • Messdisziplin. Sie definieren, wie der Erfolg aussieht, bevor Sie beginnen, bleiben Sie skeptisch gegenüber Ihren eigenen Ergebnissen, bis sie halten, und Sie behandeln eine ungeklärte Verbesserung als Problem anstatt als Gewinn. • Appetit für die gesamte Pipeline. Ihre Kernstärke könnte JAX und TPU-Performance sein, aber wenn ein Kundenproblem zurück zu einem Datenproblem oder einer Evaluation Blind Spot zurückverfolgt, Sie wollen es selbst finden. Die Menschen, die hier gut tun, ging tief in einem Bereich zuerst, dann weiter expandieren. • Starke Erfahrung Optimierung von Inferenzsystemen für die Produktion, ideal mit LLMs oder Sprachmodellen.
• Ein tiefes Verständnis von verteilten Schulungen im Maßstab, modernen Deep-Learning-Systemen und bewährten Praktiken der ML-Infrastruktur. • Vertrautheit mit modernen Inferenzoptimierungstechniken: kontinuierliches Batching, KV-Cache-Management, Zerkleinerungsstrategien, Quantisierung. • Begeisterung für Refaktorisierung und Verbesserung bestehender Systeme – Sie gedeihen
Auftragsdetails
Erfahrung: 0 Jahre
Veröffentlicht: 1 month, 2 weeks Vorher
Ansichten: 963
Anwenden auf We Work RemotelyQuelle: We Work Remotely · öffnet die ursprüngliche Posting.
Für diese Rolle eine maßgeschneiderte Anwendung erhalten
Lassen Sie Ihren Lebenslauf fallen und wir schreiben ein Anschreiben, das auf diese genaue Auflistung abzielt - kostenlos und bereit, sobald Ihr Konto erstellt wird.
PDF, Word oder Text. Wir erstellen Ihr kostenloses Konto auf dem nächsten Bildschirm — keine Karte.
Eine Rolle wie diese zu suchen?
Posten Sie Ihren Remote-Job auf WFHJ und erreichen Sie passende Kandidaten. Keine Gebühren.
Stellenanzeige kostenlos