Applied Research Engineer, Machine Translation

Würden Sie gerne eine entscheidende Rolle in der nächsten Revolution der Mensch-Computer-Interaktion spielen? Das Apple Machine Translation-Team entwickelt bahnbrechende Technologien, die es ermöglichen, Menschen über Sprachbarrieren hinweg zu verbinden. Wir suchen einen Applied Research Engineer, der leidenschaftlich daran interessiert ist, die neuesten Fortschritte in großen Sprachmodellen und Reinforcement Learning zu nutzen, um skalierbare, hochwertige Modellressourcen in einer Vielzahl von Sprachen zu erstellen, zu pflegen und bereitzustellen – und damit Apples Machine Translation-Produkte wie die Translate-App, die Safari-Webübersetzung, die systemweite Übersetzung und die Live-Übersetzung, unterstützt durch Apple Intelligence, anzutreiben.

Die Machine Translation von Apple ist tief in die Ökosysteme iOS, iPadOS, macOS und watchOS integriert: von der Translate-App, die die Kommunikation über Sprachen hinweg erleichtert, bis hin zur Live-Übersetzung, die nahtlose, Echtzeit-Übersetzungserlebnisse über Anrufe, Nachrichten und alltägliche Interaktionen ermöglicht. Während LLMs das, was in der natürlichen Sprachverarbeitung und -generierung möglich ist, neu definieren, befindet sich diese Rolle an der Schnittstelle zwischen modernster Forschung und realer Produktwirkung.

Sie werden moderne Trainingsparadigmen anwenden und weiterentwickeln, einschließlich SFT, RL-basiertem Fine-Tuning und Präferenzoptimierung, um die Übersetzungsqualität in Text- und Sprachmodalitäten auf neue Höhen zu treiben. Sie werden die End-to-End-Modellentwicklungs-Pipelines besitzen und verbessern, von der Datenerfassung und der synthetischen Datengenerierung über Training, Evaluierung bis hin zur Produktionsbereitstellung. Sie werden Teil eines motivierten und dynamischen Teams sein, das dafür verantwortlich ist, Modelle zu liefern, die Hunderte von Millionen von Nutzern erreichen, mit einem unermüdlichen Fokus auf Qualität, Effizienz und kontinuierliche Verbesserung.

Verantwortlichkeiten

• Entwerfen und Implementieren von LLM-Fine-Tuning-Pipelines (SFT, RLHF, GRPO und verwandte RL-basierte Methoden), die auf die Qualitätsziele der maschinellen Übersetzung zugeschnitten sind.
• Vorantreiben von Produktionsmodellverbesserungen von Ende zu Ende: von Experimenten und Offline-Evaluierungen über A/B-Tests bis hin zur kundenorientierten Bereitstellung.
• Generieren und Kuratieren von Trainingsdaten – sowohl organisch als auch LLM-synthetisiert – um die Übersetzungsqualität über Text- und Audioeingabemodalitäten zu verbessern und die Expansion in neue Sprachen zu beschleunigen.
• Entwickeln und Pflegen von groß angelegten verteilten Trainingspipelines, die für schnelle Iteration und Reproduzierbarkeit optimiert sind.
• Erstellen robuster Werkzeuge für automatisierte Qualitätsprüfungen, Regressionstests und Modellbenchmarking über bestehende und neue Sprachpaare.
• Definieren und Verfolgen von Evaluierungskriterien und Belohnungssignalen, die die reale Übersetzungsqualität widerspiegeln und datengestützte Entscheidungen über Modellveröffentlichungen ermöglichen.
• Cross-funktionale Zusammenarbeit zur Verwaltung von Datenressourcen, Modellversionierung und Veröffentlichungsplänen über ein wachsendes Portfolio von Sprachen und Plattformen.
• Aktuell bleiben mit den neuesten Forschungen in LLMs, MT und RL-basierten Trainingsmethoden und vielversprechende Fortschritte schnell in Produktionsabläufe integrieren.

Mindestens erforderliche Qualifikationen

• Starke Programmier- und Softwareengineering-Fähigkeiten (Python, C++ oder gleichwertig) mit praktischer Erfahrung im Training und Fine-Tuning groß angelegter Modelle.
• Erfahrung im Aufbau und der Optimierung von maschinellen Übersetzungs-, natürlichen Sprachverarbeitungs- oder verwandten Sequenz-zu-Sequenz-Systemen unter Verwendung moderner LLM-Architekturen.
• Praktisches Wissen über LLM-Nachtrainingstechniken, einschließlich Supervised Fine-Tuning (SFT), Reinforcement Learning from Human Feedback (RLHF) und Group Preference Optimization (GRPO) oder ähnlichen belohnungsbasierten Optimierungsmethoden.
• Erfahrung mit groß angelegten Datenverarbeitungsframeworks (Spark, Dask oder gleichwertig) und Pipelines zur synthetischen Datengenerierung.
• Starker Produktionsansatz: Fähigkeit, Modelle von der Forschung bis zur zuverlässigen, kundenorientierten Bereitstellung zu bringen.
• Fähigkeit, komplexe Prozesse über mehrere Stakeholder in einem schnelllebigen Umfeld zu verwalten.
• Exzellente Kommunikationsfähigkeiten und einen proaktiven, kollaborativen Ansatz zur Teamarbeit.
• Tiefe Motivation, die besten, wirkungsvollsten Produkte für Apples Kunden zu liefern.

Bevorzugte Qualifikationen

• Master-Abschluss oder PhD in Informatik, Elektrotechnik oder verwandtem Bereich.
• Erfahrung in angewandtem maschinellen Lernen oder Softwareengineering mit nachweisbarem Einfluss auf ausgelieferte Produkte oder Systeme.
• Praktische Erfahrung mit Deep-Learning-Frameworks (PyTorch oder gleichwertig) und groß angelegtem Modelltraining.
• Vertrautheit mit Belohnungsmodellierung, Präferenzdatensammlung oder RL-basiertem Fine-Tuning für Sprachmodelle ist ein großer Vorteil.
• Erfahrung mit verteiltem und Cloud-Computing (GCP, AWS oder gleichwertig) ist von Vorteil.
• Erfahrung mit Sprachübersetzung oder multimodalen Modellen ist von Vorteil.

Unternehmen Apple