Technical Writer (Part Time)

Wer wir sind

Foundation-Modelle haben Text und Bilder transformiert, aber strukturierte Daten - die größte und folgenschwerste Datenmodality der Welt - sind unberührt geblieben. Tabellen sind das Rückgrat jeder klinischen Studie, jedes Finanzmodells, jedes wissenschaftlichen Experiments und jeder 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 Modality-Shift 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 20x skaliert, über 3 Millionen Downloads erreicht, 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, Echtzeiteinfütterung und völlig neue Datenmodalitäten zu bewältigen - während wir die Infrastruktur aufbauen, um sie in Produktion in einigen der anspruchsvollsten Branchen der Erde 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 Award-Gewinner Yann LeCun. Wir liefern schnell, erstellen erstklassige Forschung und halten uns gegenseitig an einen extrem hohen Standard.

Was Sie tun werden

• Auditieren, umschreiben und erweitern Sie unsere bestehende Dokumentation über unsere Open-Source-Repositories (TabPFN, tabpfn-extensions, tabpfn-client) und API-Referenz.
• Verfassen Sie neue Inhalte, einschließlich Tutorials, Anleitungen, konzeptionelle Erklärungen und Beispiele aus der Praxis, die auf ML-Praktiker und Datenwissenschaftler abzielen.
• Entwerfen und implementieren Sie einen modernen, KI-unterstützten Dokumentationsworkflow unter Verwendung unseres aktuellen Stacks (GitHub, Linear, Mintlify), um die Dokumentation mit Codeänderungen synchron zu halten.
• Arbeiten Sie eng mit Ingenieuren zusammen, um komplexes Modellverhalten und API-Design in klare, präzise entwicklerorientierte Inhalte zu übersetzen.
• Beitragen Sie Mintlify-kompatibles Markdown, das unserem Stil folgt und korrekt auf unserer Dokumentationsseite gerendert wird.
• Besitzen Sie die Roadmap für die Dokumentation und priorisieren Sie Verbesserungen basierend auf Benutzerfeedback und Produktänderungen.

Was wir suchen

• Über 3 Jahre Erfahrung im technischen Schreiben, idealerweise für Entwicklerwerkzeuge, ML-Plattformen oder Open-Source-Projekte in Zusammenarbeit mit Ingenieurteams in einem schnelllebigen Startup oder Forschungsumfeld.
• Praktische Erfahrung mit Docs-as-Code-Workflows: Markdown, Git, Pull-Requests und CI/CD-integrierte Dokumentationspipelines.
• Starke Grundlagen im technischen Schreiben: klare Struktur, konsistente Terminologie, publikumsbewusster Ton.
• Vertrautheit mit KI-unterstützten Schreibwerkzeugen und Erfahrung in deren Integration in Dokumentationsworkflows.
• Universitätsniveau in Python, um relevante Beispielcodes zu erstellen, die in der Live-Dokumentation verwendet werden.
• Fähigkeit, unabhängig technische Konzepte aus Quellcode, Fachartikeln und Gesprächen mit Ingenieuren zu recherchieren und zu synthetisieren.
• Solides Verständnis von Konzepten des maschinellen Lernens, insbesondere überwachtem und unüberwachtem Lernen, um sicher für ein Publikum von ML-Praktikern zu schreiben.
• Verständnis der Dynamik von Open-Source-Beiträgen und wie man Dokumentation schreibt, die sowohl den Kernbenutzern als auch den Community-Beitragsleistenden dient.
• Proaktivität: Sie erkennen Lücken, bevor sie zu Problemen werden, und schlagen Lösungen vor, ohne gefragt zu werden.

Was schön wäre zu haben

• Frühere Erfahrung beim Aufbau eines Dokumentationssystems von Grund auf, einschließlich Stilrichtlinien und Beitragsrichtlinien.
• Erfahrung mit der Erstellung von Video- oder visuellen Inhalten (Screencasts, Diagramme, interaktive Notizbücher) als Ergänzung zu schriftlichen Dokumenten.

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 werden eng mit erstklassigen Forschern und Entwicklern zusammenarbeiten, 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 werden 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 breiten Palette von Perspektiven, Erfahrungen und Hintergründen entstehen. Deshalb begrüßen wir Bewerbungen von Menschen aller Identitäten und Lebenswege, insbesondere von Personen, die sich jemals entmutigt gefühlt haben, weil sie nicht jede Anforderung erfüllen. 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 bieten.