Member of Technical Staff - Post Training

Post-training ist der Bereich, in dem ein Fundamentmodell zu einem Produkt wird. In dieser Rolle sind Sie für die gesamte Post-Training-Pipeline unserer multimodalen Modelle verantwortlich – von der Datenstrategie und Belohnungsmodellierung bis hin zur Präferenzoptimierung, Destillation und Sicherheitstuning – über Bilder, Bearbeitung und Video. Sie werden messbare Fortschritte in der Modellqualität vorantreiben, die Infrastruktur aufbauen, die es dem gesamten Forschungsteam ermöglicht, schnell zu iterieren, und den Stand der Technik in dem, was es bedeutet, ein generatives Modell an menschlichen Absichten auszurichten, vorantreiben.

Was Sie bearbeiten werden:

• Die vollständige Post-Training-Pipeline end-to-end besitzen – von der Datenkuratierung und Belohnungsmodellierung über Feinabstimmung, Präferenzoptimierung, Destillation, Sicherheitstuning, Bewertung und Bereitstellung.
• Techniken über den gesamten Post-Training-Stack vorantreiben: SFT, RLHF, RLAIF, DPO, Präferenzlernen und Belohnungsmodellierung, um Modelle mit menschlicher Absicht und ästhetischem Urteil in Einklang zu bringen.
• Über Modalitäten hinweg arbeiten: Text-zu-Bild, Bildbearbeitung, Multi-Referenz und Video-Post-Training.
• Personalisierungs- und Anpassungsfähigkeiten aufbauen, die es Benutzern ermöglichen, unsere Modelle an ihren eigenen kreativen Stil anzupassen.
• Hochdurchsatz-Fine-Tuning- und Bewertungsinfrastruktur entwerfen und pflegen, um schnelle Iterationen im Forschungsteam zu unterstützen.
• Qualitäts- und Ausrichtungslücken durch rigorose Bewertungen identifizieren und diese durch gezielte Forschung und Ingenieurarbeit schließen.

Was wir suchen:

• Sie haben das Post-Training für ein fortschrittliches generatives Modell bis zur Veröffentlichung geleitet (SFT, Präferenzoptimierung (DPO oder RLHF), Destillation, Sicherheitstuning) mit messbaren Qualitätsgewinnen bei menschlichen Präferenzen oder Standardbenchmarks.
• Tiefe Erfahrung über den gesamten Post-Training-Stack, nicht nur in einem Bereich: Belohnungsmodellierung, Präferenzlernen, RLHF/RLAIF und Personalisierung.
• Komfortabel im Arbeiten über Modalitäten hinweg: Text-zu-Bild, Bildbearbeitung, Multi-Referenz und idealerweise Video.
• Starke PyTorch-Flüssigkeit; Sie schreiben Forschungs-Code, auf dem andere aufbauen können.
• Erfahrung mit Destillation (LADD, DMD, Konsistenzmodelle oder ähnliches) oder mit dem Aufbau von Hochdurchsatz-Evaluierungspipelines ist ein großer Vorteil.
• Neigung zum Versenden: messbare Verbesserungen der Modellqualität, die die Benutzer erreichen, nicht nur Papiere.

Wie wir zusammenarbeiten:

Wir sind ein verteiltes Team mit echten Büros, die die Menschen tatsächlich nutzen. Je nach Ihrer Rolle werden Sie entweder mindestens 2 Tage pro Woche (oder eine volle Woche alle zwei Wochen) in Freiburg oder SF bei uns sein oder remote arbeiten mit einer monatlichen persönlichen Woche, um verbunden zu bleiben. Wir übernehmen angemessene Reisekosten, um dies zu ermöglichen. Wir denken, dass persönliche Zeit wichtig ist, und haben die Dinge so strukturiert, dass sie für alle zugänglich sind. Wir werden besprechen, wie dies für die Rolle während unseres Interviewprozesses aussehen wird.

Alles, was wir tun, basiert auf vier Werten:

• Besessen. Wir sind ein fortschrittliches Forschungslabor. Die Wissenschaft muss richtig sein, das Verständnis tief, das Produkt schön.
• Niedriger Ego. Die Arbeit spricht. Die beste Idee gewinnt, egal wer sie gesagt hat. Anerkennung wird geteilt. Niemand steht über einer Aufgabe.
• Mutig. Wir gehen die ambitionierte Wette ein. Wir versenden, wir warten nicht darauf, dass die Bedingungen perfekt sind.
• Freundlich. Menschen über Politik. Wir behandeln uns gegenseitig mit echter Wärme. Handlung ohne Empathie schafft Chaos.

Wenn sich das nach Arbeit anhört, die Ihnen gefallen würde, würden wir uns freuen, von Ihnen zu hören.