Ricercatore Scientifico LLM (Pre-training, Computer Vision e Robustezza Avversaria)

Cerchiamo ricercatori esperti di machine learning con esperienza pratica nell'addestramento e nel miglioramento end-to-end di modelli di deep learning, tra visione e linguaggio. Lavorerai a problemi di ricerca empirica in ML aperti e ben definiti.

Responsabilità

• Addestrare classificatori di immagini e modelli generativi di immagini da zero, e fare fine-tuning di modelli linguistici open-weight.
• Ottenere il massimo da budget limitati di dati, capacità di calcolo e dimensioni dei modelli.
• Rendere i modelli robusti contro input avversariali e conversazioni avversariali.
• Comprimere i modelli per rispettare rigorosi vincoli di dimensioni e latenza senza sacrificare l'accuratezza.
• Diagnosticare e risolvere problemi di addestramento.

Requisiti

Cerchiamo candidati con una forte competenza in una o più delle seguenti aree:

Robustezza Avversariale

Esperienza con:

• Addestramento avversario di classificatori di immagini (es. addestramento basato su PGD, TRADES).
• Valutazione dell'accuratezza robusta in modelli di minaccia standard (es. attacchi L∞, AutoAttack) ed evitamento delle insidie del gradient-masking.
• Gestione del compromesso tra robustezza e accuratezza e dell'overfitting robusto.

Computer Vision Efficiente

Esperienza con:

• Addestramento end-to-end di classificatori di immagini, in particolare per il riconoscimento fine-grained (molte classi visivamente simili, pochi esempi per classe).
• Compressione dei modelli: quantizzazione, potatura (pruning) e knowledge distillation da grandi teacher a piccoli student.
• Deploy di modelli sotto rigorosi budget di dimensioni o latenza (su dispositivo, edge o contesti embedded).

Modellazione Generativa di Immagini

Esperienza con:

• Addestramento di modelli generativi di immagini da zero: modelli di diffusione, GAN, VAE o modelli basati su flussi (flow-based).
• Iterazione su metriche di qualità dei campioni come l'FID.
• Trucchi di efficienza di addestramento che producono buoni generatori rapidamente e con ridotti conteggi di parametri.

Post-Training di LLM e Robustezza Comportamentale

Esperienza pratica con una o più delle seguenti aree:

• Supervised fine-tuning e ottimizzazione delle preferenze (DPO, RLHF, RLAIF) di modelli linguistici open-weight, inclusa la creazione di dataset personali tramite generazione sintetica, supervisione rumorosa o debole e campionamento di rigetto (rejection sampling).
• Modellazione del comportamento conversazionale su più turni: resistenza a persuasione e piaggeria (sycophancy), confidenza calibrata e capacità di accettare correzioni.
• Fine-tuning in stile alignment che modifica un comportamento specifico preservando le capacità generali.

Pre-training Multilingue

Esperienza con:

• Addestramento da zero di modelli multilingue o per lingue a basse risorse.
• Progettazione di tokenizer su sistemi di scrittura e lingue tipologicamente diverse.
• Bilanciamento di dati per lingua altamente disuguali (temperature di campionamento, transfer cross-lingue) in regimi con dati limitati.

Aree di Interesse Aggiuntive

Costituisce un plus l'esperienza in una delle seguenti aree:

• Leggi di scala (scaling laws) e ricerca sull'efficienza dell'addestramento.
• Curriculum learning e ordinamento dei dati.
• Valutazione dei modelli: costruzione di benchmark, controllo della contaminazione, confronti statisticamente solidi.
• Stima dell'incertezza e calibrazione dei modelli.
• Data augmentation e dati sintetici per la robustezza.

Qualifiche Generali

• 3+ anni di esperienza nella ricerca in machine learning (la ricerca di dottorato vale ai fini di questo requisito).
• Solida esperienza con PyTorch, JAX, TensorFlow o framework di ML simili.
• Laurea presso un'università nella top 100, esperienza in una FAANG o azienda di IA comparabile, o un track record di ricerca equivalente tramite pubblicazioni o contributi open-source di impatto.

Perché Unirsi a Noi

• Lavorare su ricerca di machine learning all'avanguardia.
• Collaborare con ricercatori di IA di primo piano su progetti stimolanti e ad alto impatto.
• Lavoro flessibile basato su progetti con compenso competitivo.