Senior/Staff RL Engineer - ML R&D

Kaiko entwickelt einen klinischen KI-Assistenten, der Ärzten hilft, über Patientendaten, Richtlinien und Diagnosen hinweg zu denken. Der Assistent von Kaiko erhält den longitudinalen Patienten-Kontext über Begegnungen, Ärzte und Institutionen hinweg, was Zusammenarbeit, Zweitmeinungen und komplexe diagnostische Arbeitsabläufe ermöglicht. Das System ist so konzipiert, dass es sicher in realen klinischen Umgebungen funktioniert, mit menschlicher Aufsicht, Nachvollziehbarkeit und regulatorischer Übereinstimmung im Kern.

Unsere Kernanwendung unterstützt allgemein anwendbare klinische Aufgaben wie die Navigation durch Patientendaten, Interaktion mit Richtlinien, multimodale Interaktion (Chat und Sprache) und Koordination der Versorgung. Darüber hinaus entwickeln wir spezialisierte diagnostische Agenten in Bereichen wie Onkologie, Radiologie und Pathologie. Wir arbeiten eng mit führenden Krankenhäusern und Forschungszentren zusammen, einschließlich des Netherlands Cancer Institute (NKI).

Kaiko ist ein gut finanziertes Unternehmen mit einem wachsenden internationalen Team, das von Zürich und Amsterdam aus operiert.

Über die Rolle

Kaiko trainiert eigene Basis-Modelle für klinische Arbeiten auf einem dedizierten GPU-Cluster. Reinforcement Learning (RL) ist der Motor, der Ausrichtung, Schlussfolgerung und agentische Fähigkeiten über unseren Stack antreibt. Sie sind verantwortlich für die RL-Trainingsinfrastruktur von Anfang bis Ende: den verteilten Trainings-Stack, die Belohnungspipelines und die Experimentinfrastruktur, die es Forschern ermöglicht, schnell zu iterieren.

Zu den Herausforderungen gehören unter anderem Belohnungshacking, Instabilität auf objektiver Ebene, Entropiekollaps, wenn Politiken vorzeitig konvergieren, spärliche und verzögerte Belohnungen, die die Zuordnung von Anerkennung über lange Schlussfolgerungsspuren hinweg extrem schwierig machen, und Explorationsfehler bei schwierigen Problemen, bei denen das Modell selten eine korrekte Spur abtastet und das Lernen vollständig stagniert. Sie diagnostizieren diese Probleme an der Wurzel, beheben sie und tragen dort zurück, wo Sie können.

Sie erkunden auch neue Algorithmen - von Policy-Gradient-Varianten und Offline-RL bis hin zu agentischem RL mit Werkzeugnutzung - und bringen das, was wichtig ist, in die Produktion.

Sie werden entweder in den Niederlanden oder in der Schweiz ansässig sein, mit der Erwartung, mindestens 50 % Ihrer Zeit im Büro zu verbringen.

Einige Verantwortungsbereiche

• Verantwortung für den RL-Trainings-Stack von Anfang bis Ende und dessen sauberes Skalieren über große MoE-Modelle und lange Kontexte.
• Aufbau und Pflege von Belohnungspipelines: überprüfbare Belohnungssignale, LLM-basierte Belohnungsmodelle und Strategien zur Belohnungsformung für komplexe klinische Denkaufgaben.
• Fehlerbehebung bei Trainingsinstabilitäten an der Wurzel — Belohnungshacking, Entropiekollaps, Fehler bei der Zuordnung von Anerkennung, Gradientprobleme — und Lösungen bereitstellen, keine Workarounds.
• Erforschen neuer RL-Algorithmen und Belohnungsdesigns; kontrollierte Experimente durchführen und vielversprechende Ergebnisse in den Haupttrainings-Stack übersetzen.
• Skalierung von Durchläufen über mehr Knoten, längere Kontexte und komplexere Parallelität, während Modelle und Aufgaben wachsen.
• Beitrag zu Open-Source-Frameworks, wenn Sie Fehler oder fehlende Funktionen finden.

Über Sie

• Tiefgehende praktische Erfahrung mit RL-Trainingssystemen: Sie haben RL- oder Post-Training-Durchläufe implementiert und skaliert, nicht nur Tutorials durchgeführt.
• Fließend in mindestens einem verteilten Trainingsframework auf einem Niveau, auf dem Sie den Quellcode lesen und stille Fehler debuggen können.
• Starkes Verständnis der zentralen RL-Herausforderungen: Belohnungshacking, Zuordnung von Anerkennung, Exploration, Entropiekollaps, Stichproben-Effizienz — und praktische Möglichkeiten, diese anzugehen.
• Komfortabel an der Schnittstelle von Forschung und Ingenieurwesen: Sie lesen Fachartikel, setzen Ideen um und wissen, wann etwas produktiv gemacht werden sollte.
• Exzellente Softwaretechnik: sauberer Python-Code, typisierte Codes, reproduzierbare Experimente, gute Testabdeckung.
• Unabhängiger Operator: Sie benötigen keine vorgegebenen Aufgabenlisten; Sie bringen ein System von "laufend" zu "stabil, schnell und verstanden".

Wünschenswert

• Erfahrung mit überprüfbaren Belohnungssignalen oder LLM-als-Richter-Belohnungspipelines.
• Vertrautheit mit Inferenz-Servierungssystemen als Teil eines RL-Rollout-Loops.
• Erfahrung mit MoE-Training und der zusätzlichen Komplexität, die es mit sich bringt.
• Beiträge zu Open-Source-Trainingsframeworks.
• Exposition gegenüber agentischem oder Werkzeugnutzungs-RL — Websuche, Codeausführung, mehrstufiges Denken.
• Erfahrung im Gesundheitswesen oder im regulierten Bereitstellungskontext.

Bei Kaiko glauben wir, dass die besten Ideen aus Zusammenarbeit, Eigenverantwortung und Ambition entstehen. Wir haben ein Team internationaler Experten aufgebaut, in dem Ihre Arbeit direkte Auswirkungen hat. Hier sind unsere Werte:

• Eigenverantwortung: Sie haben die Autonomie, Ihre eigenen Ziele zu setzen, kritische Entscheidungen zu treffen und die direkten Auswirkungen Ihrer Arbeit zu sehen.
• Zusammenarbeit: Sie gehen mit Neugier an Meinungsverschiedenheiten heran, bauen auf gemeinsamen Grundlagen auf und schaffen gemeinsam Lösungen.
• Ambition: Sie sind von Menschen umgeben, die hohe Standards für sich selbst und andere setzen, die Hindernisse als Chancen sehen und die unermüdlich daran arbeiten, bessere Ergebnisse für Patienten zu erzielen.

Zusätzlich bieten wir:

• Ein attraktives und wettbewerbsfähiges Gehalt, einen guten Rentenplan und 25 Urlaubstage pro Jahr.
• Tolle Offsites und Teamevents, um das Team zu stärken und Erfolge gemeinsam zu feiern.
• Ein Budget von 1000 EUR für Lernen und Entwicklung, um Ihnen beim Wachsen zu helfen.
• Autonomie, um Ihre Arbeit auf die Weise zu erledigen, die am besten für Sie funktioniert, egal ob Sie ein Kind haben oder frühe Morgenstunden bevorzugen.
• Eine jährliche Pendlerpauschale.

Unser Einstellungsprozess ist darauf ausgelegt, die gegenseitige Passung in Bezug auf Fähigkeiten, Motivation und Werte zu bewerten. Er umfasst typischerweise die folgenden Schritte:

• Screening-Gespräch: Ein kurzes Gespräch, um sich über Ihre Motivation, beruflichen Ziele und die erste Passung für die Rolle abzustimmen.
• Technisches Interview mit Offline-Aufgabe: Eine tiefgehende Analyse Ihres Problemlösungsansatzes durch eine technische Herausforderung, Fallstudie oder rollenspezifisches Szenario.
• Vor-Ort-Treffen (optional): Sie treffen Teammitglieder aus verschiedenen Funktionen, um die Dynamik der Zusammenarbeit, die Team-Passung und den Alltag zu erkunden.
• Abschließendes Gespräch mit der Geschäftsleitung: Eine Diskussion mit einem Mitglied des Führungsteams, die sich auf langfristige Ausrichtung und gemeinsame Erwartungen an den Einfluss konzentriert.