Member of Technical Staff – AI Research Engineer (Image/Video Foundation Models)

GenPeach AI ist ein produktorientiertes Forschungslabor, das vertikale multimodale Fundamentmodelle für hyperrealistische menschliche Generierung in Bildern und Videos entwickelt – entworfen für emotional resonante, menschenzentrierte KI-Erlebnisse. Unser Ziel ist es, Werkzeuge zu schaffen, die die menschliche Kreativität unterstützen, anstatt sie zu ersetzen. Wir trainieren Modelle von Grund auf: proprietäre Datensätze in großem Maßstab, neuartige Architekturen und Trainingsrezepte, große GPU-Cluster und enge Produktintegration, damit Forschung schnell zu den Nutzern gelangt.

Wir sind ein tief technisches Team von etwa 10 Personen. Wir werden von Direktoren von Google DeepMind beraten und von führenden, auf KI fokussierten Fonds und Investoren aus OpenAI, Meta AI, Microsoft AI, Project Prometheus und Fal unterstützt. Gemeinsam haben unser Team, Berater und Investoren zu Modellen beigetragen, darunter Metas Imagine/MovieGen und die Fundamentmodellarbeit hinter OpenAIs Sora sowie Googles Veo und Gemini.

Sie werden dem Forschungsteam beitreten, das an der Bild-/Videoerzeugung und multimodalen Verständnis arbeitet. Sie werden eng mit anderen Forschungsingenieuren und Wissenschaftlern sowie den Gründern zusammenarbeiten und helfen, Forschung in skalierbare Trainingsläufe, starke Bewertungen und produktionsbereite Systeme umzusetzen.

Wir suchen einen AI Research Engineer, der hilft, GenPeachs Fundamentmodelle von Ende zu Ende aufzubauen und zu skalieren – von der Implementierung neuer Modellideen und Trainingsrezepte bis hin zur Verantwortung für die Teile des Trainingsstacks, die Qualität und Geschwindigkeit bestimmen, und dem Überwinden von Produktionsbeschränkungen. Dies ist eine praktische Rolle mit hoher Eigenverantwortung. Sie werden forschungsrelevanten Code schreiben, der für die Produktion entscheidend wird.

In dieser Rolle werden Sie:

• Bild-/Video-generative Modellideen (Architektur, Verluste, Bedingung, Sampling, Vortraining, Destillation, Nachtraining) implementieren und iterieren.
• Die Trainingsleistung von Ende zu Ende (verteiltes Training, Durchsatz, Speicher, Stabilität, Debugging von Skalierungsfehlern) verantworten.
• Den Experimentationszyklus aufbauen (Bewertungen, Ablationen, Reproduzierbarkeitstools, Berichterstattung, Entscheidungsfindung).
• VLMs für die Bild-/Video-Beschriftung aufbauen und verbessern (Datenrezepte, Trainingsstrategien, Modellvarianten, Bewertung).
• Hochiterative Forschung durchführen: relevante Papers lesen, Ideen umsetzen, empirisch validieren.
• Beschriftungspipelines erstellen, die das Training der Generierung und die Produktqualität verbessern.
• Mit Inferenz/Produkt zusammenarbeiten, um unter realen Einschränkungen (Latenz, Kosten, Zuverlässigkeit, Rollout-Sicherheit) zu liefern.
• Demos und Prototypen erstellen, um Fähigkeiten zu demonstrieren und die Iteration zu beschleunigen.

Sie könnten in dieser Rolle erfolgreich sein, wenn Sie:

• Die Kunst des Experimentierens lieben: schnelle Iteration, klare Ablationen, starke Bewertungen und ehrliche Schlussfolgerungen.
• Debugging von chaotischen realen Trainingsläufen genießen (nicht nur saubere Demos).
• Zwischen Forschung und Ingenieurwesen wechseln können: sauberen Code schreiben, Hilfsprogramme bereitstellen und die Teamgeschwindigkeit verbessern.
• Über Ihre Stellenbeschreibung hinaus Verantwortung übernehmen, wenn nötig (Startup-Realität).
• Deutlich kommunizieren und gut in einem kleinen, erfahrenen Team zusammenarbeiten können.

Mindestens erforderliche Qualifikationen:

• Starke Python- und PyTorch-Kenntnisse (4+ Jahre Erfahrung).
• Erfahrung in der Implementierung und dem Training von Deep-Learning-Modellen (generative Modelle, VLMs, LLMs, Vision/Video oder angrenzende Bereiche).
• Solides Verständnis von Trainingsdynamik, Optimierung und praktischem Debugging.
• Fähigkeit, Projekte von Ende zu Ende mit minimaler Aufsicht zu leiten.

Bevorzugte Qualifikationen:

• Praktische Erfahrung mit Diffusions-/Flow-basierten Bild- oder Videoerzeugung oder großflächigem generativem Modellieren in angrenzenden Bereichen.
• Erfahrung mit verteiltem Training im großen Maßstab (Multi-Node) und Leistungstuning (Durchsatz/Speicher).
• Erfahrung im Aufbau von Bewertungsrahmen (offline Metriken + menschliche Bewertungen + Regressionstracking).
• Starke Intuition für Datenqualität und Dataset-/Labeling-Abwägungen für Training und Beschriftung.
• Veröffentlichungen sind ein Plus, aber der geschaffene Einfluss und starke technische Nachweise zählen mehr.

Was diese Rolle einzigartig macht:

• Grenzenlose Bild-/Video-Modelle und die VLM-Beschriftungssysteme, die sie antreiben, aufbauen.
• Ein schlankes, erfahrenes Team beitreten, das hohe Standards in Engineering und Forschung hält.
• Direkter Produkteeinfluss: Ihre Trainingsläufe werden zu echten benutzerorientierten Fähigkeiten.
• Gegen die Besten der Welt benchmarken und durch das, was wir liefern, in der Modellqualität konkurrieren.

Wie wir arbeiten:

• Sie sind für Ergebnisse von Ende zu Ende verantwortlich und werden mit echter Verantwortung betraut.
• Direkte, egoarme Kommunikation und schnelle Feedbackschleifen.
• Neigung zum Einfluss: messen -> iterieren -> liefern.
• Forschungsdisziplin: klare Ablationen, Reproduzierbarkeit und prägnante Entscheidungsfindung.

Logistik:

• Standort: Zürich (Schweiz) oder Warschau (Polen) – vor Ort oder hybrid. Wenn Sie woanders sind, sind wir offen für Remote (Team-/Zeitzonenanpassung berücksichtigt).
• Vergütung: wettbewerbsfähiges Gehalt + bedeutendes Eigenkapital (niveauabhängig).
• Interviewprozess: schneller Screen -> 2 technische Runden (praktisch + Systeme) -> Teamfit/Werte.

Was wir anbieten:

• Visumsponsoring (wo zutreffend); wir werden uns bemühen, Sie nach Schweiz oder Polen zu versetzen, wenn gewünscht.
• Remote-freundlich: vollständig remote, hybrid oder vor Ort aus unseren Hubs arbeiten.
• Regelmäßige Offsites und persönliche Veranstaltungen zur Zusammenarbeit und Vernetzung.
• Flexible PTO.