Member of Technical Staff, Modelltraining (Infrastruktur & Plattform)

Stellenbezeichnung: Member of Technical Staff, Model Training (infra & platform)

Art der Stelle: Vollzeit

Standort: Remote

Die Rolle

In dieser Position übernehmen Sie die technische Verantwortung für die verteilten Systeme und Plattformen, die Forschenden ermöglichen, immer leistungsfähigere Modelle zu trainieren, groß angelegte Experimente durchzuführen und spezialisierte KI-Systeme effizient bereitzustellen.

Sie arbeiten an verteiltem Training, GPU-Infrastruktur, Inferenzoptimierung, Simulationsumgebungen und Ausführungsframeworks für Agenten und treffen wichtige architektonische Entscheidungen, die die Geschwindigkeit der Forschung und die Modellleistung unmittelbar beeinflussen.

Ihre Aufgaben

• Konzipieren, entwickeln und skalieren Sie gemeinsame Infrastruktur für überwachtes Feintuning (SFT), Reinforcement Learning (RL) und On-Policy-Distillation (OPD), die Sprach-, multimodale und Robotik-Workloads unterstützt.
• Entwerfen Sie verteilte Trainings- und Ausführungspipelines, die GPU-Worker, Rollout-Generierung, Inferenz des Lehrermodells, Belohnungsberechnung und Simulationsumgebungen koordinieren.
• Entwickeln Sie leistungsstarke Infrastruktur für Modelltraining und Inferenz und optimieren Sie GPU-Auslastung, Speicherverwaltung, Kommunikation, Speicherung und verteilte Ausführung.
• Entwickeln und erweitern Sie die Kernarchitektur des Agenten-Ökosystems von micro1, einschließlich Ausführungslaufzeiten, Tool-Schnittstellen, Umgebungsintegrationen, Modellregistern und Serving-APIs.
• Entwickeln Sie robuste Systeme für Experiment-Tracking, Versionierung von Datensätzen und Modellen, Checkpointing, Fehlerwiederherstellung und Observability, um die Reproduzierbarkeit der Forschung und die Betriebssicherheit zu verbessern.
• Identifizieren und beseitigen Sie Engpässe in der Infrastruktur, verkürzen Sie die Durchlaufzeit von Experimenten und ermöglichen Sie Forschenden, zunehmend komplexe Trainingsworkloads auszuführen.
• Definieren Sie technische Standards, Plattformschnittstellen und Architekturmuster, die die Zusammenarbeit zwischen Forschungs-, Infrastruktur- und Applied-Engineering-Teams unterstützen.
• Leiten Sie kritische Engineering-Initiativen von der Systemkonzeption über die Umsetzung bis zum produktiven Betrieb, betreuen Sie Ingenieurinnen und Ingenieure und übernehmen Sie weiterhin die direkte Verantwortung für technisch anspruchsvolle Komponenten.

Das suchen wir

• Solide Grundlagen der Informatik, insbesondere in verteilten Systemen, Nebenläufigkeit, Netzwerktechnik und Performance-Engineering.
• Umfangreiche Erfahrung im Entwerfen, Aufbauen und Betreiben skalierbarer Backend-Systeme oder verteilter Rechenplattformen.
• Sicherer Umgang mit Python und mindestens einer systemnahen Programmiersprache wie C++, Rust oder Go.
• Praktische Erfahrung mit GPU-basierter Infrastruktur für maschinelles Lernen, verteiltem Training, Modellinferenz oder groß angelegter Compute-Orchestrierung.
• Fundiertes Verständnis der Systemleistung, einschließlich Rechenauslastung, Speichereffizienz, Kommunikationsaufwand, Scheduling und Fehlertoleranz.
• Erfahrung im Entwerfen zuverlässiger APIs, Services und Infrastrukturkomponenten, die komplexe Engineering- oder Forschungsprozesse unterstützen.
• Nachgewiesene technische Verantwortung, etwa durch architektonische Entscheidungen, die Leitung bereichsübergreifender Initiativen und die Bereitstellung von Systemen, auf die andere Engineers angewiesen sind.
• Die Fähigkeit, in schnelllebigen Forschungsumgebungen effektiv zu arbeiten, in denen sich Anforderungen ändern und die Infrastruktur schnelles Experimentieren ermöglichen muss.

Von Vorteil

• Erfahrung mit verteilten ML-Frameworks und Technologien wie PyTorch Distributed, DeepSpeed, Ray, Megatron-LM oder ähnlichen Systemen.
• Vertrautheit mit GPU-Inferenzengines und Optimierungsframeworks wie vLLM, TensorRT-LLM oder gleichwertigen Technologien.
• Erfahrung im Aufbau von Reinforcement-Learning-Infrastruktur, Rollout-Orchestrierungssystemen oder verteilten Ausführungsumgebungen für Agenten.
• Kenntnisse in CUDA, GPU-Kernel-Optimierung, NCCL oder Low-Level-GPU-Performance-Engineering.
• Erfahrung mit Kubernetes, Container-Orchestrierung, Cluster-Scheduling und cloudbasierter GPU-Infrastruktur.
• Vertrautheit mit Simulationsplattformen, Robotik-Infrastruktur oder groß angelegten Evaluationssystemen für Agenten.
• Beiträge zu Open-Source-Infrastruktur, verteilten Rechenframeworks oder leistungsstarken Systemen für maschinelles Lernen.

Hinweis zu Vergütung und Leistungen

Die nationale Gehaltsspanne für diese Vollzeitstelle beträgt ein Grundgehalt von $200,000, $320,000. Alle Beschäftigten können Eigenkapitalvergütung erhalten, und Beschäftigte können außerdem leistungsabhängige Boni erhalten, die von der Rolle abhängen und den Unternehmensrichtlinien unterliegen. micro1 bietet ein umfassendes Leistungspaket, einschließlich einer Erstattung von bis zu 100% der Krankenversicherungsbeiträge, bezahltem Urlaub, einem 401(K)-Plan mit Arbeitgeberzuschuss und weiteren Leistungen, die eine leistungsstarke, überwiegend remote arbeitende Belegschaft unterstützen sollen.

micro1 ist ein Arbeitgeber mit Chancengleichheit. Alle qualifizierten Bewerberinnen und Bewerber werden unabhängig von Rasse, Hautfarbe, Religion, Geschlecht (einschließlich Schwangerschaft, sexueller Orientierung oder Geschlechtsidentität), nationaler Herkunft, Alter, Behinderung, genetischen Informationen, Veteranenstatus oder anderen Merkmalen, die nach geltendem lokalem Recht, Vorschriften und Verordnungen geschützt sind, berücksichtigt. Wenn Sie während des Bewerbungsprozesses Unterstützung und/oder eine angemessene Vorkehrung benötigen, wenden Sie sich an support@micro1.ai.

Unser Einstellungsprozess nutzt Werkzeuge der künstlichen Intelligenz, um die Vorauswahl und Bewertung von Bewerbungen zu unterstützen. Unsere KI-Werkzeuge sollen die menschliche Entscheidungsfindung ergänzen, nicht ersetzen.