AI Research Engineer (Multi-Modal & Vision)

Als Mitglied des KI-Modellteams werden Sie Innovationen im Training und in der Optimierung von Vision-Language-Modellen vorantreiben, mit einem Fokus auf die Bereitstellung in der realen Welt. Ihre Arbeit wird den gesamten Lebenszyklus der Modellentwicklung umfassen - von der Datenkuratierung und dem Design von Trainingspipelines bis hin zur Modellevaluation und -optimierung - mit dem Ziel, Modelle zu entwickeln, die sowohl hochgradig leistungsfähig als auch praktisch in großem Maßstab einsetzbar sind.

Sie werden über ein breites Spektrum multimodaler Architekturen arbeiten, die Text und Vision integrieren, und modernste Forschung anwenden, um die Modellqualität, Effizienz und domänenspezifische Leistung zu verbessern. Wir erwarten von Ihnen eine forschungsgetriebene Denkweise, kombiniert mit starker Ingenieurdiziplin - jemand, der die richtige Technik für ein gegebenes Problem identifizieren, rigoros umsetzen und deren Auswirkungen klar messen kann.

Sie werden eng mit einem kleinen, hochqualifizierten Team zusammenarbeiten, in dem Ihre Beiträge direkte und bedeutende Auswirkungen haben werden. Wenn Sie leidenschaftlich daran interessiert sind, die Grenzen dessen, was multimodale KI in Produktionsumgebungen erreichen kann, zu erweitern, ist dies Ihre Gelegenheit.

• Durchführung von End-to-End-Forschung und -Engineering an Vision-Language-Modellen, einschließlich Training, Evaluation und Optimierung über den gesamten Lebenszyklus der Modellentwicklung.
• Entwurf und Implementierung von Post-Training-Pipelines, einschließlich überwachten Feintunings, Wissensdistillation und Reinforcement Learning aus menschlichem Feedback.
• Entwicklung und Pflege hochwertiger multimodaler Datensätze, einschließlich Datenkuratierung, Filterung und Ausbalancierung für domänenspezifische Aufgaben.
• Steigerung der Modelleffizienz und Bereitstellbarkeit, Anpassung von Modellen für ressourcenbeschränkte Umgebungen unter Verwendung von Kompressions- und Optimierungstechniken.
• Entwurf und Implementierung von Evaluierungsrahmen und Benchmarks zur Messung der Modellleistung, Robustheit und des Erfolgs bei realen Aufgaben.
• Aufbau und Skalierung von Trainingsworkflows über verteilte GPU-Infrastrukturen.
• Identifizierung und Behebung von Engpässen in Trainingspipelines, um eine erstklassige Modellqualität auf Zielbenchmarks zu erreichen.
• Beitrag zu und Nutzung von Open-Source-Ökosystemen, einschließlich Modellen, Datensätzen und Werkzeugen, um die Entwicklung zu beschleunigen.
• Aktualisierung über die neuesten Forschungen im Bereich des multimodalen Lernens und der Vision-Language-Systeme, Übersetzung relevanter Erkenntnisse in praktische Verbesserungen.
• Veröffentlichung von Forschungsergebnissen in führenden KI-Konferenzen und -Zeitschriften, wo zutreffend.

• Abschluss in Informatik, Maschinenlernen oder einem verwandten Bereich; MS/PhD bevorzugt.
• Starke Erfahrung mit multimodalen Post-Training-Workflows, einschließlich überwachten Feintunings, Wissensdistillation und Reinforcement Learning aus Feedback.
• Praktische Erfahrung mit parameter-effizientem Feintuning und verteilten Trainingsframeworks.
• Nachgewiesene Fähigkeit, Vision-Language-Modelle mit messbaren Ergebnissen auf Standardbenchmarks oder realen Aufgaben zu erstellen und zu verbessern.
• Erfahrung in der Anpassung von Modellen für ressourcenbeschränkte Umgebungen.
• Nachgewiesene Open-Source-Beiträge im Bereich multimodale KI auf GitHub oder HuggingFace.
• Veröffentlichungen auf führenden KI-Konferenzen (NeurIPS, ICML, ICLR, CVPR, ECCV usw.).