Senior Research Engineer - Video Foundation Models (Pre - Training)

Als Research Engineer in unserem Video Pre-Training-Team werden Sie helfen, die nächste Generation von produktionsreifen Grundmodellen für die menschzentrierte Videoerzeugung zu entwickeln. Sie werden Teil eines hochfokussierten Teams sein, das an der Schnittstelle von großangelegtem generativem Modellieren, verteilten Systemen und Produktionstechnik arbeitet. Unsere Mission ist es, Videobasismodelle zu entwickeln und zu optimieren, die realistische, kontrollierbare und emotional ausdrucksstarke synthetische Menschen in großem Maßstab ermöglichen. Dies ist angewandte Forschung mit direktem Produktimpact.

Sie werden an der Verbesserung von Trainingsrezepten, der Skalierung verteilter Systeme, der Verbesserung von Evaluierungsrahmen und der Optimierung der Inferenz arbeiten, um sicherzustellen, dass unsere Modelle von hoher Qualität, stabil und effizient genug für den Einsatz in der realen Welt sind. Ihre Arbeit wird direkt Einfluss auf Modelle haben, die von Zehntausenden von Unternehmen weltweit genutzt werden.

Was Sie tun werden:

• Sie werden End-to-End-Forschungs- und Ingenieurprojekte von der Hypothese bis zur Produktionsauswirkung leiten und umsetzen.
• Entwicklung und Skalierung latenter Video-Diffusionsmodelle, die auf die menschzentrierte Videoerzeugung zugeschnitten sind.
• Entwurf von Bedingungsmechanismen zur Verbesserung der Kontrolle (Pose, Emotion, Skript, Kamera) ohne Einbußen bei der Treue.
• Fortschritte bei verteilten Trainingsstrategien (DDP, FSDP, DeepSpeed, Sequenzparallelismus) unter realen Rechenbeschränkungen.
• Verbesserung der Trainingsstabilität im Multi-Node-Maßstab.
• Entwicklung strenger Evaluierungsrahmen, die automatisierte Metriken und strukturierte menschliche Bewertungen kombinieren.
• Optimierung der Inferenz für niedrige Latenz, hohe Auflösung und Kosteneffizienz.
• Durchführung kontrollierter Ablationen und Experimente zur Förderung von hochsignifikanten Modellierungsentscheidungen.
• Beitrag zu hohen Ingenieurstandards: Reproduzierbarkeit, Experimentverfolgung, CI/CD, Monitoring.

Sie werden erwartet, schnell zu arbeiten, mehrere Hypothesen parallel zu testen, frühzeitig Signale zu identifizieren und sich auf Ergebnisse zu konzentrieren, anstatt nur zu erkunden.

Was wir suchen:

Must-have:

• Starke Erfahrung im Training von Deep-Learning-Modellen in großem Maßstab.
• Starke Python- und PyTorch-Kenntnisse.
• Praktische Erfahrung mit Diffusionsmodellen (Bildbereich erforderlich; Video bevorzugt).
• Erfahrung mit großangelegtem Multi-GPU / Multi-Node-Training.
• Gutes Verständnis von verteilt trainierenden Systemen (DDP, FSDP, DeepSpeed oder ähnlich).
• Fähigkeit, kontrollierte Experimente zu entwerfen und rauschende Ergebnisse zu interpretieren.

Nice-to-have:

• Erfahrung mit Video-Diffusionsmodellen.
• Erfahrung in der Avatar- oder menschzentrierten Erzeugung.
• Vertrautheit mit Welt-/interaktiven Modellen.
• Erfahrung mit GANs oder VAEs.

Unser Stack:

• Python, PyTorch, CUDA.
• DeepSpeed, verteiltes Training & Inferenz.
• Sequenzparallelismus.
• AWS, SLURM, Docker.
• GitHub, CI/CD-Pipelines.

Wer Sie sind:

• Sie sind forschungsgetrieben, aber ergebnisorientiert.
• Sie kümmern sich um das Versenden, nicht nur um das Veröffentlichen.
• Sie können mehrere Ideen schnell erkunden und frühzeitig inaktive Richtungen ablegen.
• Sie kommunizieren klar und präsentieren Ergebnisse wissenschaftlich.
• Sie arbeiten unabhängig, aber kooperieren aktiv über Teams hinweg.

Vorteile:

• Wettbewerbsfähige Vergütung (Gehalt + Aktienoptionen + Bonus).
• Vollständig remote aus Europa oder hybrider Arbeitsumgebung mit einem Büro in London, Amsterdam, Zürich, München.
• 25 Tage Jahresurlaub + Feiertage.
• Tolle Unternehmenskultur mit der Möglichkeit, regelmäßig an Planungen und sozialen Veranstaltungen in unseren Hubs teilzunehmen.
• + weitere Vorteile je nach Standort.