AI Research Engineer - Reinforcement Learning

Wir suchen derzeit einen AI Research Engineer - Reinforcement Learning in Deutschland. Dies ist eine spannende Gelegenheit, an der Spitze der Forschung im Bereich künstliche Intelligenz zu arbeiten und fortschrittliche Systeme für verstärkendes Lernen zu entwickeln, die für reale Anwendungen konzipiert sind. Die Rolle konzentriert sich auf den Aufbau intelligenter, adaptiver KI-Modelle, die in der Lage sind, Entscheidungsprozesse in dynamischen und komplexen Umgebungen zu optimieren.

Als Teil eines global verteilten Forschungsteams werden Sie zu bahnbrechenden Experimenten beitragen, die großangelegtes verstärkendes Lernen, multimodale Architekturen und ressourcenschonende KI-Systeme umfassen. Sie werden eng mit Forschern, Ingenieuren und funktionsübergreifenden Teams zusammenarbeiten, um innovative RL-Algorithmen zu entwerfen, zu testen und bereitzustellen, die die Grenzen der Modellleistung und Skalierbarkeit erweitern. Diese Position kombiniert tiefgehende technische Forschung mit praktischer Umsetzung und ist ideal für Fachleute, die leidenschaftlich daran interessiert sind, komplexe KI-Herausforderungen zu lösen.

Diese Rolle bietet die Möglichkeit, die nächste Generation von KI-Fähigkeiten in einer hochinnovativen, remote-first Umgebung zu gestalten.

• Entwurf, Entwicklung und Implementierung fortschrittlicher Algorithmen für verstärkendes Lernen zur Optimierung von Entscheidungsprozessen in simulierten und realen Umgebungen.
• Durchführung, Überwachung und Bewertung großangelegter Experimente im Bereich verstärkendes Lernen unter Verfolgung wichtiger Leistungsindikatoren und Benchmark-Ergebnisse.
• Entwicklung und Pflege hochwertiger Simulationsumgebungen und Trainingsdatensätze, die auf domänenspezifische Herausforderungen im Bereich verstärkendes Lernen zugeschnitten sind.
• Optimierung von Pipelines für verstärkendes Lernen durch Identifizierung und Lösung von Problemen im Zusammenhang mit Erkundungsstrategien, Politikdivergenzen, Instabilität des Belohnungssignals und rechnerischer Effizienz.
• Verbesserung der Politikleistung, Konvergenzstabilität und Stichprobeneffizienz durch fortschrittliche Optimierungstechniken und iterative Experimente.
• Zusammenarbeit mit Ingenieur- und Forschungsteams zur Integration von Agenten für verstärkendes Lernen in Produktionssysteme und reale Anwendungen.
• Definition messbarer Erfolgskriterien und kontinuierliche Überwachung der implementierten RL-Systeme zur Gewährleistung von Robustheit, Skalierbarkeit und nachhaltigen Leistungsverbesserungen.
• Beitrag zu laufenden Forschungsinitiativen im Bereich KI durch Erkundung innovativer RL-Methoden, Modellarchitekturen und Trainingsframeworks.
• Dokumentation experimenteller Ergebnisse, technischer Ansätze und Forschungsergebnisse zur Unterstützung des Wissensaustauschs und kontinuierlicher Innovation.

• Abschluss in Informatik, künstlicher Intelligenz, maschinellem Lernen oder einem verwandten Bereich; PhD bevorzugt.
• Starker Forschungshintergrund im Bereich verstärkendes Lernen, maschinelles Lernen, NLP oder verwandte Disziplinen mit nachweislichen Beiträgen zu fortgeschrittenen KI-Forschungsinitiativen.
• Praktische Erfahrung in der Durchführung großangelegter Experimente im Bereich verstärkendes Lernen, einschließlich Online-RL-Methoden wie Group Relative Policy Optimization (GRPO).
• Tiefes Verständnis der Konzepte des verstärkenden Lernens, einschließlich Politikgradienten, Actor-Critic-Methoden, GRPO, Erkundungs-Exploitations-Abwägungen und Techniken zur Politikoptimierung.
• Starke Expertise in PyTorch und Frameworks für verstärkendes Lernen, einschließlich Erfahrung im Aufbau von End-to-End-RL-Pipelines.
• Erfahrung in der Entwicklung, dem Training, der Evaluierung und der Bereitstellung von Systemen für verstärkendes Lernen in Produktions- oder großangelegten Forschungsumgebungen.
• Nachgewiesene Fähigkeit zur Lösung komplexer RL-Herausforderungen wie Stichprobenineffizienz, Trainingsinstabilität, Belohnungsoptimierung und Konvergenzprobleme.
• Erfahrung in der Arbeit mit multimodalen KI-Systemen und ressourcenschonenden Modellarchitekturen wird als großer Vorteil angesehen.
• Starke analytische, problemlösende und experimentelle Fähigkeiten mit einer forschungsorientierten Denkweise.
• Exzellente Kommunikations- und Zusammenarbeitsfähigkeiten innerhalb verteilter und funktionsübergreifender Teams.

• Vollständig remote Arbeitsumgebung mit globalen Zusammenarbeitsmöglichkeiten.
• Gelegenheit, an fortschrittlichen Technologien im Bereich KI und verstärkendes Lernen zu arbeiten.
• Einblick in fortschrittliche multimodale Architekturen und großangelegte KI-Forschungsinitiativen.
• Flexible und innovationsorientierte Unternehmenskultur, die Experimente und kontinuierliches Lernen fördert.
• Zusammenarbeit mit hochqualifizierten internationalen KI-Forschern und Ingenieuren.
• Gelegenheit, zu wirkungsvollen KI-Systemen mit realen Anwendungen beizutragen.
• Karrierewachstumsmöglichkeiten in einem sich schnell entwickelnden globalen Technologieumfeld.
• Dynamische und schnelllebige Umgebung, die sich auf Innovation, Forschungsexzellenz und technische Verantwortung konzentriert.