Applied Research Engineer, Machine Translation

Würden Sie gerne eine entscheidende Rolle in der nächsten Revolution der Mensch-Computer-Interaktion spielen? Das Apple Machine Translation-Team entwickelt bahnbrechende Technologien, die es ermöglichen, Menschen über Sprachbarrieren hinweg zu verbinden. Wir suchen einen Applied Research Engineer, der leidenschaftlich daran interessiert ist, die neuesten Fortschritte in großen Sprachmodellen und Reinforcement Learning zu nutzen, um skalierbare, hochwertige Modellressourcen in einer Vielzahl von Sprachen zu erstellen, zu pflegen und bereitzustellen – und damit Apples Machine Translation-Produkte wie die Translate-App, die Safari-Webübersetzung, die systemweite Übersetzung und die Live-Übersetzung, unterstützt durch Apple Intelligence, anzutreiben.

Apples Machine Translation ist tief in die iOS-, iPadOS-, macOS- und watchOS-Ökosysteme integriert: von der Translate-App, die die Kommunikation über Sprachen hinweg erleichtert, bis hin zur Live-Übersetzung, unterstützt durch Apple Intelligence, die nahtlose, Echtzeit-Übersetzungserlebnisse über Anrufe, Nachrichten und alltägliche Interaktionen ermöglicht. Während LLMs neu definieren, was im Bereich des natürlichen Sprachverständnisses und der -generierung möglich ist, befindet sich diese Rolle an der Schnittstelle zwischen modernster Forschung und realer Produktwirkung. Sie werden moderne Trainingsparadigmen anwenden und weiterentwickeln, einschließlich SFT, RL-basiertem Fine-Tuning und Präferenzoptimierung, um die Übersetzungsqualität in neuen Höhen über Text- und Sprachmodalitäten zu bringen. Sie werden die End-to-End-Modellentwicklungs-Pipelines besitzen und verbessern, von der Datenerfassung und der synthetischen Datengenerierung über das Training, die Evaluierung bis hin zur Produktionsbereitstellung. Sie werden Teil eines motivierten und dynamischen Teams sein, das dafür verantwortlich ist, Modelle zu liefern, die Hunderte von Millionen von Nutzern erreichen, mit einem unermüdlichen Fokus auf Qualität, Effizienz und kontinuierliche Verbesserung.

Verantwortlichkeiten

• Entwerfen und Implementieren von LLM-Fine-Tuning-Pipelines (SFT, RLHF, GRPO und verwandte RL-basierte Methoden), die auf die Qualitätsziele der maschinellen Übersetzung zugeschnitten sind.
• Vorantreiben von Produktionsmodellverbesserungen von Ende zu Ende: von Experimenten und Offline-Evaluierungen bis hin zu A/B-Tests und kundenorientierter Bereitstellung.
• Generieren und Kuratieren von Trainingsdaten – sowohl organisch als auch LLM-synthetisiert – um die Übersetzungsqualität über Text- und Audioeingabemodalitäten zu verbessern und die Expansion in neue Sprachen zu beschleunigen.
• Entwickeln und Pflegen von groß angelegten verteilten Trainingspipelines, die für schnelle Iteration und Reproduzierbarkeit optimiert sind.
• Robuste Werkzeuge für automatisierte Qualitätsprüfungen, Regressionstests und Modellbenchmarking über bestehende und neue Sprachpaare hinweg aufbauen.
• Bewertungskriterien und Belohnungssignale definieren und verfolgen, die die reale Übersetzungsqualität widerspiegeln und datengestützte Entscheidungen über Modellveröffentlichungen ermöglichen.
• Cross-funktional zusammenarbeiten, um Datenressourcen, Modellversionierung und Veröffentlichungspläne über ein wachsendes Portfolio von Sprachen und Plattformen zu verwalten.
• Aktuell bleiben mit den neuesten Forschungen in LLMs, MT und RL-basierten Trainingsmethoden und vielversprechende Fortschritte schnell in Produktionsabläufe integrieren.

Mindestens erforderliche Qualifikationen

• Starke Programmier- und Softwareengineering-Fähigkeiten (Python, C++ oder gleichwertig) mit praktischer Erfahrung im Training und Fine-Tuning von groß angelegten Modellen.
• Erfahrung im Aufbau und der Optimierung von maschinellen Übersetzungs-, natürlichen Sprachverarbeitungs- oder verwandten Sequenz-zu-Sequenz-Systemen unter Verwendung moderner LLM-Architekturen.
• Praktisches Wissen über LLM-Nachtrainingstechniken, einschließlich Supervised Fine-Tuning (SFT), Reinforcement Learning from Human Feedback (RLHF) und Group Preference Optimization (GRPO) oder ähnlichen belohnungsbasierten Optimierungsmethoden.
• Erfahrung mit groß angelegten Datenverarbeitungsframeworks (Spark, Dask oder gleichwertig) und synthetischen Datengenerierungspipelines.
• Starker Produktionsansatz: Fähigkeit, Modelle von der Forschung bis zur zuverlässigen, kundenorientierten Bereitstellung zu bringen.
• Fähigkeit, komplexe Prozesse über mehrere Stakeholder in einem schnelllebigen Umfeld zu steuern.
• Exzellente Kommunikationsfähigkeiten und einen proaktiven, kollaborativen Ansatz zur Teamarbeit.
• Tiefe Motivation, die besten, wirkungsvollsten Produkte für Apples Kunden zu liefern.

Bevorzugte Qualifikationen

• Master-Abschluss oder Ph.D. in Informatik, Elektrotechnik oder verwandtem Bereich.
• Erfahrung in angewandtem maschinellen Lernen oder Softwareengineering mit nachweisbarem Einfluss auf ausgelieferte Produkte oder Systeme.
• Praktische Erfahrung mit Deep-Learning-Frameworks (PyTorch oder gleichwertig) und dem Training groß angelegter Modelle.
• Vertrautheit mit Belohnungsmodellierung, Präferenzdatensammlung oder RL-basiertem Fine-Tuning für Sprachmodelle ist ein großer Vorteil.
• Erfahrung mit verteiltem und Cloud-Computing (GCP, AWS oder gleichwertig) ist ein Plus.
• Erfahrung mit Sprachübersetzung oder multimodalen Modellen ist ein Plus.

Chancengleichheit

Bei Apple sind wir nicht alle gleich. Wir ziehen die Unterschiede in dem, wer wir sind, was wir erlebt haben und wie wir denken, in Betracht. Um Produkte zu schaffen, die allen dienen, glauben wir an Inklusion. Daher verpflichten wir uns, alle Bewerber fair und gleich zu behandeln. Wir werden mit Bewerbern zusammenarbeiten, um angemessene Anpassungen vorzunehmen.