Member of Engineering (Pre-training / Synthetic Data)

Poolside existiert, um eine Welt zu schaffen, in der KI der Motor hinter wirtschaftlich wertvoller Arbeit und wissenschaftlichem Fortschritt ist. Wir glauben, dass der schnellste Weg zur Erreichung von AGI darin besteht, die Softwareentwicklung selbst zu beschleunigen, indem wir die Entwicklererfahrung mit agentischen Systemen, Codierungsassistenten und den Grenzmodellen, die sie antreiben, neu gestalten.

Wir wurden in den USA gegründet und haben dort unseren Sitz, aber unser Team ist über Europa und Nordamerika verteilt. Wir treffen uns jeden Monat für 3 Tage in Paris, mit einer offenen Einladung, die ganze Woche zu bleiben. Für diejenigen, die in PST ansässig sind, verstehen wir, dass dies ein erheblicher Reiseaufwand ist; wir sind offen für eine geringere Frequenz und werden dies im Interviewprozess besprechen. Unser Team ist eine multidisziplinäre Mischung aus Forschungs-, Ingenieur- und Geschäftsexperten. Was uns vereint, ist unsere tiefe Sorge um das, was wir gemeinsam aufbauen.

Sie werden in unserem Datenteam arbeiten, das sich auf die Qualität der für das Training unserer Modelle gelieferten Datensätze konzentriert. Dies ist eine praktische Rolle, in der Ihre Hauptmission darin besteht, die Qualität der Pretraining-Datensätze zu verbessern, indem Sie Ihre vorherige Erfahrung, Intuition und Trainingsexperimente nutzen. Diese Rolle konzentriert sich insbesondere auf die Generierung synthetischer Daten in großem Maßstab und die Bestimmung der besten Strategien, um solche Daten in das Training großer Modelle zu integrieren.

Ihre Mission: Die Lieferung großer, hochwertiger und vielfältiger synthetischer Datensätze, die natürliche Sprache und Code-Modi mischen, um erstklassige Poolside-Coding-Agenten zu trainieren.

Verantwortlichkeiten:

• Folgen Sie der neuesten Forschung zu LLMs und insbesondere zur Generierung synthetischer Daten.
• Seien Sie mit den relevantesten Open-Source-Datensätzen und -Modellen vertraut.
• Entwerfen und implementieren Sie komplexe Pipelines, die große Mengen an Daten generieren können, während Sie hohe Vielfalt aufrechterhalten und die verfügbaren Ressourcen optimieren.
• Eng mit anderen Teams wie Pretraining, Posttraining, Evals und Produkt zusammenarbeiten, um die Qualität der gelieferten Modelle sicherzustellen.
• Kontinuierlich die Qualität der generierten Datensätze messen und verfeinern, während die endgültige Datenstrategie durch quantitative Datenablationsexperimente validiert wird.

Fähigkeiten & Erfahrung:

• Starker Hintergrund in maschinellem Lernen und Ingenieurwesen.
• Erfahrung mit großen Sprachmodellen (LLM), einschließlich der Implementierung kosteneffizienter, komplexer Pipelines zur Generierung synthetischer Datensätze in großem Maßstab.
• Ausgezeichnete Programmierkenntnisse in Python.
• Starke Fähigkeiten im Prompt Engineering.
• Erfahrung mit großen GPU-Clustern und verteilten Datenpipelines.
• Starke Besessenheit für Datenqualität.

Prozess:

• Einführungsgespräch mit einem unserer Gründungstechniker.
• Technisches Interview mit einem Mitglied unseres Engineering-Teams.
• Team-Fit-Gespräch mit dem People-Team.
• Abschlussinterview mit einem unserer Gründungstechniker.

Vorteile:

• Vollständig remote Arbeit & flexible Arbeitszeiten.
• 37 Tage Urlaub/Jahr & Feiertage.
• Krankenversicherungszuschuss für Sie & Angehörige.
• Vom Unternehmen bereitgestellte Ausrüstung.
• Wohlbefinden, kontinuierliches Lernen & Homeoffice-Zuschüsse.
• Häufige Teambesprechungen.
• Diverse & inklusive menschenzentrierte Kultur.