Ingegnere di ricerca senior
AssemblyAI | Anywhere in the World
Designazione delle merci
Sede centrale: Remote Why AssemblyAI AssemblyAI costruisce i modelli di AI Voice più importanti per la prossima generazione di applicazioni vocali. I nostri modelli servono chiamate inferenziate da 600M+ mensili, 1M+ ore di processo audio giornaliero e 2 miliardi di esperienze di utenti finali. Lo spazio AI Voice è in un punto di flessione; noi siamo alla ricerca di persone veramente entusiaste di unirsi a un piccolo team e contribuire a definire il futuro del settore. Siamo una delle aziende AI più efficienti sul pianeta. Con meno di 100 persone che generano circa $600K ARR per dipendente, ci sediamo tra le prime 5 squadre di reddito-densa all'interno delle aziende AI più in rapida crescita oggi. Non è un incidente; è una scelta deliberata di rimanere malandate, muoversi velocemente e dare a ogni persona sulla proprietà e l'impatto della squadra. Con migliaia di clienti tra cui Granola, Fireflies, Figura AI, e CallRail, l'azienda ha una scala reale - l'elaborazione di oltre 2 milioni di ore di audio al giorno e la gestione di più di 1 milione di chiamate API ogni giorno. Questa è una rara opportunità di crescita in cui il business è dimostrato e la traiettoria è ripida, ma il team è ancora abbastanza piccolo che le tue impronte digitali sono su tutto.
Se mai vi siete sentiti sepolti sotto strati di burocrazia, affamati di vera proprietà, o frustrati guardando il vostro lavoro scomparire in un org lento movimento, AssemblyAI è costruito in modo diverso. L'azienda opera come una vera meritocrazia, senza pesanti processi di pianificazione o approvazione e senza gatekeeping sugli strumenti o le informazioni di cui avete bisogno. Per chiunque si preoccupi veramente di voce AI, non come una tendenza a inseguire, ma come una tecnologia da costruire, questo è il luogo dove i problemi più interessanti alla scala più interessante sono stati risolti da un team abbastanza piccolo che si conosce effettivamente il nome di tutti. Ci siamo impegnati a creare uno spazio in cui i nostri dipendenti possono portare se stessi a lavorare e hanno pari opportunità di successo. Non importa la vostra razza, identità di genere o espressione, orientamento sessuale, religione, origine, abilità, età, stato veterano, se uni entranti a questa missione parla, noi incoraggiamo ad applicare!
Cerchiamo un Senior Research Engineer che si unisca al nostro team di ricerca, sviluppando e migliorando i sistemi che stanno dietro ad un'ampia formazione distribuita, all'elaborazione dei dati e all'inferenza. Il nostro obiettivo come organizzazione è risolvere i problemi dei clienti e migliorare rapidamente i nostri prodotti attraverso lo sviluppo e la misurazione dei modelli e la velocità dipende da quanto velocemente chiunque qui può eseguire un esperimento, misurarlo e scoprire cosa non va. Sollevare quel soffitto è il cuore di questo ruolo. Lavorerete all'interno del condotto che state migliorando, non accanto ad esso.
Il candidato ideale ha una profonda comprensione dei moderni sistemi di deep learning, combinati con una forte esperienza ingegneristica tra JAX e TPU, ottimizzazione a livello di livello, formazione distribuita su larga scala, streaming, bassa latenza e inferenza asincrona, compilatori di inferenze e tecniche avanzate di parallelizzazione. Si tratta di un ruolo trasversale. Lavorerete a stretto contatto con i nostri ricercatori, il nostro team di infrastrutture e l'ingegneria produttiva non come punto di consegna, ma come la persona che impara abbastanza di ogni dominio da seguire i problemi fino alla risoluzione. A volte si alleneranno modelli, eseguire valutazioni e analizzare i dati, sia per fornire direttamente l'impatto che per imparare ciò che vale la pena costruire per moltiplicare il lavoro del team. Il bar è qualcuno che capisce l'impatto end-to-end che intendono fare, lo misura fin dall'inizio, e preferirebbe scoprire che erano sbagliati in una settimana che in un quarto. Questa disciplina è ciò che trasforma la proprietà cross-funzionale in un vantaggio. Il ruolo è integrato all'interno del team di ricerca. Ciò che You-Sull Do • Aumentare la velocità sperimentale del team • rendere più veloce per lanciare un lavoro di esperimento, ottenere un numero di cui si può fidare, e sapere cosa provare dopo. • Mantenerevolvere il nostro quadro di formazione JAX, mantenendo scalabile ed efficiente per le corse di formazione su larga scala distribuito su TPU. • Migliorare i dati che i nostri modelli imparano da: indagare i problemi di qualità, costruire gli strumenti per superficie, e trasformare ciò che si trova in guadagni di precisione misurabili.
• Analizzare l'accuratezza dei modelli di produzione, costruire imbracature di valutazione e capire quali miglioramenti conterranno maggiormente i clienti. • Tradurre prototipi di ricerca in sistemi pronti alla produzione, rifattorizzare e modernizzare le architetture e le infrastrutture dei modelli lungo il percorso. • Ottimizzare l'inferenza di produzione per modelli di linguaggio vocale, sia dal punto di vista dell'architettura di servizio che attraverso tecniche avanzate come la quantizzazione e la decodifica speculativa. • Indagare e risolvere le strozzature di prestazioni attraverso lo stack, dai kernel di basso livello (XLA, Pallas) alla progettazione di sistema ad alto livello. • Partner con ricercatori, infrastrutture e ingegneria di produzione per rintracciare i problemi alla loro vera fonte e correzioni navali che detengono. • Che cosa hai bisogno • Competenza di livello con JAX e TPU, tra cui l'ecosistema circostante (Flax, Optax, il gasdotto di compilazione di XLA). • Disciplina di misura. Definisci il successo prima di iniziare, rimani scettico sui tuoi risultati fino a quando non si tengono in piedi, e tratti un miglioramento inspiegabile come un problema piuttosto che una vittoria. • Appetito per l'intera pipeline. La tua forza principale potrebbe essere JAX e prestazioni TPU, ma quando un problema del cliente ripercorre un problema di dati o un punto cieco di valutazione, vuoi andare a cercarlo da solo. Le persone che fanno bene qui sono andate in profondità in un'area prima, poi hanno continuato ad espandersi verso l'esterno. • Forte esperienza ottimizzando i sistemi di inferenza per la produzione, idealmente con LLM o modelli di discorso.
• Conoscenza approfondita della formazione distribuita su scala, dei moderni sistemi di apprendimento profondo e delle migliori pratiche delle infrastrutture ML. • Familiarità con le moderne tecniche di ottimizzazione delle inferenze: batching continuo, gestione KV-cache, strategie di sharding, quantizzazione. • Entusiasmo per il refactoring e il miglioramento dei sistemi esistenti • prosperare
Dettagli del lavoro
Esperienza: 0 anni
Pubblicato: 1 month, 2 weeks fa
Vista: 962
Applica su We Work RemotelyFonte da We Work Remotely · apre la pubblicazione originale.
Ottieni un'applicazione personalizzata per questo ruolo
Lascia il tuo curriculum e scriveremo una lettera di copertura mirata a questo elenco esatto molto gratis, e pronto nel momento in cui il tuo account viene creato.
PDF, Word o testo. Creiamo il tuo account gratuito sulla schermata successiva © © senza carta.
Assumere un ruolo come questo?
Pubblica il tuo lavoro remoto su WFHJ e raggiungi i candidati abbinati.
Pubblicare un lavoro gratis