Researcher, Post Training

Als Forscher im Bereich Post Training gestalten Sie, wie die Modelle von nyra labs nach dem Pretraining agieren. Sie entwickeln Methoden, die Sprachmodelle genauer, kontrollierbarer, robuster und besser auf die tatsächlichen Bedürfnisse der Menschen abgestimmt machen. Dazu gehören Rezepte für das Post-Training, feedbackgesteuertes Lernen, Datenkuratierung, Modellevaluation und die Systeme, die erforderlich sind, um zuverlässige Experimente in großem Maßstab durchzuführen. Dies ist eine Forschungsrolle mit starkem ingenieurtechnischen Fokus. Sie bringen Ideen von einer ersten Hypothese über Experimente, Bewertungen bis hin zur Veröffentlichung.

Pretraining schafft Fähigkeiten. Das Post-Training bestimmt, ob diese Fähigkeiten nützlich werden. Sprachmodelle müssen verstehen, was bewahrt werden sollte, wie Unsicherheiten behandelt werden sollten und wie sich das Verhalten über Aufgaben, Sprachen, Sprecher und klinische Kontexte hinweg ändern sollte. Generische Ausrichtungsansätze berücksichtigen selten die Details, die in der realen Sprache wichtig sind: Zögern, Wiederholungen, Unterbrechungen, atypische Aussprache, Stille und unvollständige Äußerungen. Nyra health gibt uns Zugang zu einem einzigartig großen, von Therapeuten gekennzeichneten Datensatz neurologischer Sprache, einschließlich Millionen von Aufnahmen aus realen klinischen Umgebungen. Sie helfen dabei, dieses Asset in Modelle umzuwandeln, die zuverlässig für Menschen funktionieren, die von bestehenden Sprachtechnologien unterversorgt sind.

Bei nyra health entwickeln wir Software, die Kliniken, Therapeuten und Patienten während der Neurorehabilitation unterstützt. myReha bietet personalisierte Therapie, während nyra insights klinischen Teams hilft, den Fortschritt der Patienten zu verwalten und zu verstehen. Nyra labs ist der Forschungsarm von nyra health. Wir verwandeln schwierige Probleme, die in der Praxis auftreten, in offene Modelle, Datensätze, Benchmarks und Forschungen, auf denen die breitere Gemeinschaft aufbauen kann. Wenn das mit Ihnen übereinstimmt, würden wir uns freuen, von Ihnen zu hören.

Was Sie gestalten werden:

• Post-Training-Methoden: Entwickeln und testen Sie Ansätze, einschließlich überwachten Feintunings, Präferenzoptimierung, Destillation, feedbackgesteuertem Lernen und Verstärkungslernen, wo es sinnvoll ist.
• Trainingsdaten: Erstellen Sie hochwertige Post-Training-Datensätze durch Kuratierung, Annotation, synthetische Datengenerierung und modellgestützte Datenverbesserung.
• Modellverhalten: Verbessern Sie die Befolgung von Anweisungen, die wörtliche Transkription, den Umgang mit Unsicherheiten, die Konsistenz über längere Texte, die mehrsprachige Leistung und die Widerstandsfähigkeit gegen Halluzinationen.
• Evaluation: Erstellen Sie Benchmarks und Fehlerkategorisierungen, die zeigen, ob Modelle tatsächlich verbessert werden.
• Experimentelle Systeme: Implementieren, debuggen und skalieren Sie Trainings- und Evaluierungspipelines mit starkem Fokus auf Reproduzierbarkeit.
• Spezialisierte Modelle: Arbeiten Sie mit Forschungs- und Produktteams zusammen, um Grundmodelle an spezifische Sprach- und klinische Anwendungsfälle anzupassen.
• Offene Veröffentlichungen: Tragen Sie zu Publikationen, Modellveröffentlichungen, Datensätzen und technischen Berichten bei.

Was Sie für den Erfolg qualifiziert:

• Post-Training-Expertise: Praktische Erfahrung mit Feintuning, Präferenzoptimierung, RLHF, Destillation, Ausrichtung oder verwandten Methoden.
• Tiefe Erfahrung im Deep Learning: Starke Kenntnisse in PyTorch und modernen Modelltrainingsabläufen.
• Evaluationsdenken: Erfahrung in der Gestaltung von Bewertungen und der Diagnose komplexer Modellverhalten über Daten, Training und Inferenz.
• ML-Engineering-Fähigkeiten: Sie können sauberen, produktionsreifen Python-Code schreiben und verteilte Trainingssysteme debuggen.
• Forschungsrigor: Eine Reihe von Publikationen, Open-Source-Arbeiten oder umfangreiche unabhängige Forschung.
• Relevanter Hintergrund: MSc, PhD oder gleichwertige praktische Erfahrung in maschinellem Lernen, Sprachverarbeitung, NLP oder einem verwandten Bereich.
• AI-native Arbeitsweise: Sie nutzen moderne Codierungs- und Forschungsagenten, um schneller voranzukommen, während Sie Urteilsvermögen und wissenschaftlichen Rigor aufrechterhalten.

Über Ihren Lebenslauf hinaus:

• Wissenschaftlich ehrlich: Sie legen Wert auf Reproduzierbarkeit und genaue Bewertungen dessen, was funktioniert.
• Verhaltensorientiert: Sie sind neugierig, warum Modelle so agieren, wie sie es tun, und nicht nur, ob sich ein Benchmark bewegt.
• Wirkungsorientiert: Sie möchten, dass Ihre Forschung etwas wird, das Menschen nutzen können.
• Selbstgesteuert: Sie können eine vielversprechende Richtung identifizieren, die Experimente entwerfen und vorantreiben.
• Kooperativ: Sie arbeiten gerne mit Forschungs-, Ingenieur-, Produkt- und klinischen Teams zusammen.

Warum nyra labs:

• Zugang zu einem einzigartig großen, professionell gekennzeichneten Datensatz neurologischer Sprache.
• Forschung, die auf realen klinischen Anwendungen basiert.
• Die Möglichkeit, Modelle, Benchmarks und Ergebnisse offen zu veröffentlichen.
• Direkte Zusammenarbeit mit Gründern, Forschern, Ingenieuren und Klinikern.
• Eigenverantwortung für die Forschungsrichtung von Anfang an.
• Attraktive Vergütung, Phantom Stock Options und Unternehmensleistungen.
• Ein schönes Büro im ersten Bezirk von Wien mit einem hybriden Arbeitsmodell.