Auf einen Blick
- Aufgaben: Leite die Optimierung und das Training unserer KI-Modelle für reale Anwendungen.
- Unternehmen: Innovatives KI-Unternehmen mit Sitz in der Schweiz, das fortschrittliche Systeme entwickelt.
- Vorteile: Vollzeitstelle, Remote-Arbeit, flexible Arbeitszeiten und spannende Projekte.
- Weitere Informationen: Dynamisches Team mit großartigen Wachstums- und Entwicklungsmöglichkeiten.
- Warum dieser Job: Gestalte die Zukunft der KI und arbeite an bahnbrechenden Technologien.
- Qualifikationen: Erfahrung in der KI-Modellierung und starke Programmierkenntnisse in Python und PyTorch.
Das prognostizierte Gehalt liegt zwischen 90000 - 110000 € pro Jahr.
Giotto. ai is a Switzerland-based AI company building intelligence systems for Switzerland and Europe.
Our mission is to enable governments and enterprises to retain control over the AI systems they use without compromising access to advanced reasoning capabilities.
Giotto combines portable, configurable models with an AI operating system, integrating open and proprietary weights, datasets, tools, and deployment components.
About the role
We are looking for a Senior Research Engineer or Research Scientist to own the training and optimisation side of our complete post-training stack.
Starting from pretrained checkpoints, you will design, implement, scale, and operate the methods required to produce capable, reliable, and controllable production models.
Your scope will include supervised fine-tuning, preference optimisation, reinforcement learning, reward and verifier integration, policy distillation or consolidation, and distributed training.
This is not a single-GPU fine-tuning or adapter-only role.
You should be comfortable operating training workloads where memory, communication, rollout generation, hardware topology, and fault recovery must be designed together.
You will
- Own the end-to-end post-training pipeline from pretrained checkpoint to production candidate.
- Design and execute full-parameter and parameter-efficient SFT.
- Implement preference optimisation, RLHF, RLAIF, reinforcement learning with verifiable rewards, and related methods.
- Develop training strategies for reasoning, coding, tool use, multilingual behaviour, and long-horizon agent tasks.
- Integrate reward models, verifiers, critics, graders, and process- or outcome-based rewards.
- Build scalable rollout-generation systems for iterative and on-policy training.
- Design multi-stage curricula combining SFT, reinforcement learning, rejection sampling, distillation, and policy consolidation.
- Scale training across multiple machines and accelerators using appropriate combinations of data, tensor, pipeline, sequence, context, or expert parallelism.
- Select sharding, precision, checkpointing, optimiser, batch-size, sequence-length, and activation-recomputation strategies.
- Estimate memory, communication, throughput, rollout capacity, and compute requirements before launching major runs.
- Profile and improve accelerator utilisation, communication efficiency, data loading, and end-to-end training time.
- Diagnose numerical instability, communication failures, out-of-memory errors, stragglers, checkpoint issues, and convergence regressions.
- Investigate reward hacking, entropy collapse, KL drift, stale rollouts, mode collapse, grader exploitation, and benchmark overfitting.
- Build reliable checkpointing, recovery, monitoring, and reproducibility procedures.
- Collaborate closely with data, evaluation, infrastructure, and inference teams.
- Contribute clean, tested code, technical reports, and operational runbooks.
- We are looking for demonstrated experience in most of the following areas:
- Ownership of large-scale language-model training or post-training runs across multiple machines and accelerators.
- Experience with workloads for which straightforward single-node training or pure data parallelism was insufficient.
- Deep proficiency with Python, Py Torch, autograd, mixed precision, optimisation, and distributed execution.
- Practical experience with Py Torch Distributed, FSDP, Deep Speed, Megatron-Core, or an equivalent framework.
- Ability to select parallelism and sharding strategies based on model, sequence, memory, and network constraints.
- Strong understanding of SFT, preference optimisation, reinforcement learning, reward modelling, KL regularisation, sampling, and training stability.
- Experience operating high-throughput inference or rollout systems as part of a training loop.
- Ability to debug across model code, distributed communication, numerical optimisation, data, and infrastructure.
- Strong experimental design and the ability to distinguish algorithmic improvements from evaluation or systems artefacts.
- Experience building reliable, observable, and reproducible research software.
- Personal ownership of consequential decisions affecting a substantial training programme.
- Relevant stack
- Python and Py Torch.
- Py Torch Distributed and FSDP.
- Deep Speed, Megatron-Core, or comparable frameworks.
- Hugging Face Transformers.
- CUDA and NCCL.
- v LLM, SGLang, or similar rollout engines.
- Ray, Slurm, Kubernetes, or comparable orchestration systems.
- MLflow or Weights & Biases.
- Docker, GCP, Git Lab CI, profiling, monitoring, and pytest.
- Experience with CUDA or Triton, long-context training, sparse models, asynchronous RL, stateful agent environments, distillation, or deployment-aware post-training would be especially valuable.
You may be a strong fit if you
- Enjoy working at the intersection of model research and distributed systems.
- Can move from paper reproduction to reliable scaled implementation.
- Are comfortable taking responsibility for expensive and operationally demanding experiments.
- Approach failures methodically across algorithms, data, numerical stability, and infrastructure.
- Care about held-out capability and reliability, not only training loss or reward.
- Want meaningful ownership of a complete model programme.
- Location and work style
We offer full-time employment in Switzerland.
Remote work is supported.
The team gathers approximately one week per month in a Swiss office.
Exceptional candidates elsewhere in Europe may be considered..
Senior Research Engineer / Research Scientist - Post-Training, Reinforcement Learning & Training Systems Arbeitgeber: Embodied AI
HYGH ist ein hervorragender Arbeitgeber, der Freiberuflichen Sales Partnern die Möglichkeit bietet, in einem dynamischen und innovativen Umfeld zu arbeiten. Mit flexiblen Arbeitszeiten und der Freiheit, dein eigenes Portfolio aufzubauen, fördert das Unternehmen eine Kultur der Eigenverantwortung und des Wachstums. Zudem profitierst du von umfassenden Schulungen und einem unterstützenden Team, das dir hilft, deine Vertriebsziele zu erreichen und deine Karriere voranzutreiben.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass du so Senior Research Engineer / Research Scientist - Post-Training, Reinforcement Learning & Training Systems erhalten könntest
✨Engagier dich in Entwickler-Communities!
Lass uns mal ehrlich sein: In der Software-Entwicklung sind Netzwerke Gold wert! Tummel dich in GitHub-Projekten, nehme an lokalen Meetups oder Hackathons teil und vernetze dich mit anderen Entwicklern. So steigerst du nicht nur deine Sichtbarkeit, sondern lernst auch die neuesten Trends und Technologien kennen.
✨Zeig deine Fähigkeiten!
Erstelle ein Portfolio, das deine besten Projekte und Code-Examples zeigt. Nichts überzeugt mehr als ein praktischer Beweis deiner Skills. Das kann auch helfen, bei Embodied AI anzuklopfen, wenn du dich auf die Stelle als Senior Research Engineer / Research Scientist - Post-Training, Reinforcement Learning & Training Systems bewirbst – so wissen sie gleich, was sie von dir erwarten können!
✨Nutze Jobplattformen speziell für Tech-Jobs!
Plattformen wie Stack Overflow Jobs oder AngelsList sind perfekte Orte, um Vollzeitstellen in der Software-Entwicklung zu finden. Hier sind viele tolle Unternehmen auf der Suche nach Talenten wie uns, also schau regelmäßig vorbei und bewirb dich direkt über die Website.
✨Such dir Mentoren und Feedback!
Hol dir Feedback von erfahrenen Entwicklern, die dir Tipps geben können, was Recruiter wirklich suchen. Ob über LinkedIn oder persönliche Kontakte: Menschen, die sich in der Branche auskennen, können enorm wertvoll sein, um dir zu helfen, dich optimal auf deine Bewerbung bei Embodied AI vorzubereiten!
Wir glauben, dass du diese Fähigkeiten brauchst, um Senior Research Engineer / Research Scientist - Post-Training, Reinforcement Learning & Training Systems mit Bravour zu bestehen
Einige Tipps für deine Bewerbung 🫡
Highlights deiner Coding-Skills:In der Software-Entwicklung kommt es auf konkrete Fähigkeiten an. Vergiss nicht, relevante Programmiersprachen und Frameworks in deinen Lebenslauf aufzunehmen. Zeig uns, was du kannst – vielleicht mit einem Link zu deinem GitHub-Profil oder einer Übersicht deiner Side Projects, die deine Programmierkenntnisse illustrieren.
Dokumentation deiner Erfolge:Gerade bei einer Vollzeitstelle in der Software-Entwicklung sind konkrete Ergebnisse Gold wert. Nenn uns Zahlen und Ergebnisse aus deinen vorherigen Projekten. Hast du den Code optimiert oder Systemfehler behoben? Solche Erfolge zeigen, dass du die Sprache der Entwickler sprichst und einen echten Mehrwert bringst.
Attraktive Projektbeschreibungen:Wenn du an Projekten gearbeitet hast, die hervorstechen, beschreibe sie ausführlich in deinem Lebenslauf. Was war das Problem, das du gelöst hast? Welche Technologien hast du eingesetzt? Das gibt uns einen klaren Einblick in deine Herangehensweise und Problemlösungsfähigkeiten.
Motivation zeigen:In deinem Anschreiben solltest du deine Motivation für die Stelle im Bereich Software-Entwicklung bei Embodied AI klar herausstellen. Warum sprichst gerade du die Anforderungen für diese Vollzeitrolle an? Mach deutlich, was dich an der Arbeit bei uns reizt und wie du über das rein Technische hinaus wachsen möchtest.
Wie man sich auf ein Vorstellungsgespräch bei Embodied AI vorbereitet
✨Technische Vorbereitung auf die Coding-Challenges
In der Software-Entwicklung sind technische Fragen oft ein zentraler Teil des Interviews. Macht euch mit Plattformen wie LeetCode oder HackerRank vertraut, um eure Problemlösungsfähigkeiten zu trainieren. Zeigt im Interview viel Selbstbewusstsein beim Erklären eurer Ansätze!
✨Das eigene Portfolio im besten Licht präsentieren
Stellt sicher, dass ihr ein aussagekräftiges Portfolio habt, das einige eurer besten Projekte zeigt. Seid bereit, darüber zu sprechen, was eure Rolle war, welche Technologien ihr verwendet habt und welche Herausforderungen es gab. Das gibt den Interviewern einen Einblick in eure praktische Erfahrung.
✨Teamfähigkeit und Kommunikation betonen
In einer Vollzeit-Position wird Kommunikation im Team sehr wichtig sein. Seid bereit, Beispiele aus der Vergangenheit zu teilen, in denen ihr effektiv im Team gearbeitet habt. Dies zeigt, dass ihr nicht nur technische Fähigkeiten habt, sondern auch gut ins Team passt.
✨Vorbereitung auf Fragen zur Software-Architektur
Bereitet euch darauf vor, Fragen zur Software-Architektur zu beantworten. Themen wie RESTful APIs, Microservices und Cloud-Architekturen können Teil eures Interviews sein. Zeigt euer Verständnis durch Diskussionen und Beispiele aus eurer bisherigen Arbeit oder Projekte.