Research Scientist, Foundation Model

Wer wir sind: Foundation-Modelle haben Text und Bilder transformiert, aber strukturierte Daten - die größte und folgenschwerste Datenmodalität der Welt - sind unberührt geblieben. Tabellen steuern jede klinische Studie, jedes Finanzmodell, jedes wissenschaftliche Experiment und jede Geschäftsentscheidung. Niemand hat ein Foundation-Modell entwickelt, das sie wirklich versteht. Bis jetzt. Was LLMs für Sprache getan haben, tun wir für Tabellen. Der nächste Modalitätswechsel in der KI findet statt - und wir stellen das Team ein, das es möglich macht.

Momentum: Wir haben tabellarische Foundation-Modelle entwickelt und sind nun die weltweit führende Organisation im Bereich strukturierte Daten-ML. Unser TabPFN v2-Modell wurde in Nature veröffentlicht und hat einen neuen Stand der Technik für tabellarisches maschinelles Lernen gesetzt. Seit seiner Veröffentlichung haben wir die Modellfähigkeiten um mehr als das 20-fache skaliert, über 3 Millionen Downloads erreicht, mehr als 6.000 GitHub-Sterne erhalten und sehen eine beschleunigte Akzeptanz in Forschung und Industrie - von der Erkennung von Lungenerkrankungen mit Oxford Cancer Analytics bis zur Verhinderung von Zugausfällen mit Hitachi und der Verbesserung von Entscheidungen in klinischen Studien mit BostonGene. Die schwierigste Arbeit liegt vor uns. Wir skalieren tabellarische Foundation-Modelle, um Millionen von Zeilen, Tausende von Merkmalen, Echtzeitinferenz und völlig neue Datenmodalitäten zu bewältigen - während wir die Infrastruktur aufbauen, um sie in Produktion in einigen der anspruchsvollsten Branchen der Welt einzusetzen. Dies sind offene Probleme, an denen sonst niemand auf diesem Niveau arbeitet.

Unser Team: Wir sind ein kleines, hochselektives Team von über 20 Ingenieuren, Forschern und GTM-Spezialisten, ausgewählt aus über 5.000 Bewerbungen, mit Hintergründen von Google, Apple, Amazon, Microsoft, G-Research, Jane Street, Goldman Sachs und CERN, geleitet von Frank Hutter, Noah Hollmann und Sauraj Gambhir und beraten von weltweit führenden KI-Forschern wie Bernhard Schölkopf und Turing-Preisträger Yann LeCun. Wir liefern schnell, schaffen erstklassige Forschung und halten uns gegenseitig an einen extrem hohen Standard.

Was kommt als Nächstes: Im Jahr 2025 haben wir 9 Millionen Euro Pre-Seed unter der Leitung von Balderton Capital gesammelt, unterstützt von Führungspersönlichkeiten von Hugging Face, DeepMind und Black Forest Labs. Die nächste Wachstumsphase ist hier, was dies zu einem optimalen Zeitpunkt macht, um beizutreten.

Über die Rolle: Tabellarische Daten brechen die Annahmen, die das Skalieren für Sprache und Vision ermöglichen. Es gibt keine natürliche Sequenz, keine räumliche Struktur, kein gemeinsames Vokabular über Datensätze hinweg. Die Architekturen und Skalierungsgesetze, die LLMs antreiben, übertragen sich nicht. Wir haben den ersten Durchbruch mit TabPFN erzielt - aber die schwierigsten Probleme stehen noch bevor.

Bei Prior Labs treiben Forschungswissenschaftler die Kernmodellagenda voran. Sie definieren Forschungsrichtungen, entwerfen neuartige Architekturen und veröffentlichen Arbeiten, die das Feld voranbringen - während Sie sicherstellen, dass Ihre Ideen in Modelle übersetzt werden, die tatsächlich ausgeliefert werden. Wir erstellen bahnbrechende Modelle, weil dieselben Personen beides tun. Als frühes Teammitglied haben Sie erheblichen technischen Einfluss und Raum zum Wachsen, während wir skalieren.

Die Probleme, die wir lösen:

• Skalierung von Transformer-Architekturen von 10K auf über 1M Proben - ohne die strukturellen Annahmen, die Sprachmodelle skalieren lassen
• Aufbau multimodaler Modelle, die tabellarisches, textuelles und numerisches Verständnis kombinieren
• Modelle effizient genug für den Einsatz in der realen Welt zu machen - nicht nur genau genug für ein Papier
• Entwurf von Architekturen für Zeitreihen, Prognosen, Anomalieerkennung und mehrere verwandte Tabellen
• Forschung zum kausalen Verständnis in Foundation-Modellen

Was wir suchen:

• Doktortitel in Informatik, angewandter Mathematik, Statistik, Elektrotechnik oder einem eng verwandten Bereich oder gleichwertige Forschungserfahrung mit nachweisbarem Einfluss
• Veröffentlichungen in erstklassigen ML-Veranstaltungen (NeurIPS, ICML, ICLR usw.) oder gleichwertiger Einfluss durch weit verbreitete Open-Source-Projekte, Benchmarks oder implementierte Systeme
• Starke Erfahrung im Aufbau und in der Analyse von maschinellen Lernmodellen, einschließlich Transformer- oder anderer sequenzbasierter Architekturen, unter Verwendung von PyTorch
• Solides Verständnis der Trainingsdynamik, der Verallgemeinerung, des Skalierungsverhaltens und der häufigen Fehlerquellen in Deep-Learning-Systemen
• Exzellente Ingenieurgrundlagen und starke Python-Kenntnisse, mit einer Erfolgsbilanz beim Schreiben von qualitativ hochwertigem Forschungscode

Schön zu haben:

• Erfahrung in einem Startup oder Forschungslabor in der Frühphase mit einer Versandkultur
• Beiträge zu Open-Source-ML-Bibliotheken oder -Tools
• Hintergrund in tabellarischen Daten, Zeitreihen oder anderen strukturierten Daten - hilfreich, aber nicht erforderlich

Das Leben bei Prior Labs: Wir sind ein kleines, ehrgeiziges Team, das eines der schwierigsten Probleme in der KI löst, und wir fangen gerade erst an. Sie arbeiten eng mit erstklassigen Forschern und Entwicklern zusammen, die sich leidenschaftlich für die Qualität ihres Handwerks, die Auswirkungen ihrer Arbeit und die Menschen, mit denen sie arbeiten, einsetzen.

Wir bewegen uns schnell, denken rigoros und nehmen uns die Zeit, die Dinge richtig zu machen. Wenn Sie von schwierigen Problemen begeistert sind, von realen Auswirkungen motiviert sind und Teil des Aufbaus von etwas sein möchten, das wichtig ist, würden wir uns freuen, von Ihnen zu hören.

Unsere Verpflichtungen: Wir glauben, dass die besten Produkte und Teams aus einer Vielzahl von Perspektiven, Erfahrungen und Hintergründen entstehen. Deshalb begrüßen wir Bewerbungen von Menschen aller Identitäten und Lebenswege, insbesondere von Personen, die sich jemals durch "nicht alle Kästchen abhaken" entmutigt gefühlt haben. Wir setzen uns dafür ein, ein sicheres, integratives Umfeld zu schaffen und Chancengleichheit unabhängig von Geschlecht, sexueller Orientierung, Herkunft, Behinderung oder einem anderen Merkmal, das Sie ausmacht, zu gewährleisten.

Wir kümmern uns darum, wie Ihre Daten behandelt werden. Lesen Sie unsere Datenschutzrichtlinie für die Rekrutierung, um genau zu erfahren, was wir sammeln, warum und wie lange wir es aufbewahren.