Member of Technical Staff – AI Research Engineer (Image/Video Foundation Models) in Zürich

GenPeach AI ist ein produktorientiertes Forschungs-Labor, das vertikale multimodale Fundamentmodelle für hyperrealistische menschliche Generierung in Bild und Video entwickelt – entworfen für emotional resonante, menschenzentrierte KI-Erlebnisse. Unser Ziel ist es, Werkzeuge zu schaffen, die die menschliche Kreativität ankurbeln, anstatt sie zu ersetzen.

Wir trainieren Modelle von Grund auf: proprietäre Datensätze in großem Maßstab, neuartige Architekturen und Trainingsrezepte, große GPU-Cluster und enge Produktintegration, damit Forschung schnell zu den Nutzern gelangt. Wir sind ein tief technisches Team von etwa 10 Personen und werden von Direktoren von Google DeepMind beraten und von führenden KI-fokussierten Fonds und Investoren unterstützt.

Sie werden dem Forschungsteam beitreten, das an der Bild-/Video-Generierung und multimodalen Verständnis arbeitet. Sie arbeiten eng mit anderen Forschungsingenieuren und Wissenschaftlern sowie den Gründern zusammen und helfen dabei, Forschung in skalierbare Trainingsläufe, starke Bewertungen und produktionsbereite Systeme umzusetzen.

Wir suchen einen AI Research Engineer, um GenPeach’s Fundamentmodelle end-to-end aufzubauen und zu skalieren – von der Implementierung neuer Modellideen und Trainingsrezepte bis hin zur Verantwortung für die Teile des Trainingsstacks, die Qualität und Geschwindigkeit bestimmen.

In dieser Rolle werden Sie:

• Bild-/Video-generative Modellideen implementieren und iterieren (Architektur, Verluste, Bedingung, Sampling, Vortraining, Destillation, Nachtraining)
• Die Trainingsleistung end-to-end besitzen (verteiltes Training, Durchsatz, Speicher, Stabilität, Debugging von Skalierungsfehlern)
• Den Experimentationszyklus aufbauen (Bewertungen, Ablationen, Reproduzierbarkeitstools, Berichterstattung, Entscheidungsfindung)
• VLMs für Bild-/Video-Beschriftung aufbauen und verbessern (Datenrezepte, Trainingsstrategien, Modellvarianten, Bewertung)
• Hochiterative Forschung durchführen: Papers lesen, Ideen implementieren, empirisch validieren
• Beschriftungspipelines erstellen, die das Generierungstraining und die Produktqualität verbessern
• Mit Inferenz/Produkt zusammenarbeiten, um unter realen Einschränkungen zu liefern (Latenz, Kosten, Zuverlässigkeit, Rollout-Sicherheit)
• Demos und Prototypen erstellen, um Fähigkeiten zu demonstrieren und Iterationen zu beschleunigen

Sie könnten in dieser Rolle erfolgreich sein, wenn Sie:

• Die Kunst des Experimentierens lieben: schnelle Iteration, klare Ablationen, starke Bewertungen und ehrliche Schlussfolgerungen
• Das Debuggen von chaotischen realen Trainingsläufen genießen (nicht nur saubere Demos)
• Zwischen Forschung und Ingenieurwesen wechseln können: sauberen Code schreiben, Hilfsprogramme ausliefern und die Teamgeschwindigkeit verbessern
• Verantwortung über Ihre Stellenbeschreibung hinaus übernehmen, wenn nötig (Startup-Realität)
• Deutlich kommunizieren und gut in einem kleinen, erfahrenen Team zusammenarbeiten können

Minimum Anforderungen:

• Starke Python- und PyTorch-Kenntnisse (4+ Jahre Erfahrung)
• Erfahrung in der Implementierung und dem Training von Deep-Learning-Modellen (generative Modelle, VLMs, LLMs, Vision/Video oder angrenzend)
• Solides Verständnis von Trainingsdynamik, Optimierung und praktischem Debugging
• Fähigkeit, Projekte end-to-end mit minimaler Aufsicht voranzutreiben

Bevorzugte Qualifikationen:

• Praktische Erfahrung mit Diffusions-/Flow-basierten Bild- oder Video-Generierungen oder großflächigem generativem Modellieren in angrenzenden Bereichen
• Erfahrung mit verteiltem Training im großen Maßstab (Multi-Node) und Leistungstuning (Durchsatz/Speicher)
• Erfahrung im Aufbau von Bewertungsrahmen (offline Metriken + menschliche Bewertungen + Regressionstracking)
• Starke Intuition für Datenqualität und Dataset-/Labeling-Abwägungen für Training und Beschriftung
• Veröffentlichungen sind ein Plus, aber ausgelieferte Auswirkungen und starke technische Beweise zählen mehr

Was diese Rolle einzigartig macht:

• Aufbau von fortschrittlichen Bild-/Video-Modellen und den VLM-Beschriftungssystemen, die sie antreiben
• Beitritt zu einem schlanken, erfahrenen Team, das hohe Standards in Engineering und Forschung hält
• Direkter Produkteeinfluss: Ihre Trainingsläufe werden zu echten benutzerorientierten Fähigkeiten
• Benchmarking gegen die Besten der Welt und Wettbewerb um Modellqualität durch das, was wir ausliefern

Wie wir arbeiten:

• Sie besitzen Ergebnisse end-to-end und werden mit echter Verantwortung betraut
• Direkte, egoarme Kommunikation und schnelle Feedbackschleifen
• Neigung zum Einfluss: messen - iterieren - ausliefern
• Forschungsdisziplin: klare Ablationen, Reproduzierbarkeit und prägnante Entscheidungsfindung

Logistik:

• Standort: Zürich (Schweiz) oder Warschau (Polen) – vor Ort oder hybrid. Wenn Sie woanders sind, sind wir offen für Remote (Team-/Zeitzonenanpassung berücksichtigt).
• Vergütung: wettbewerbsfähiges Gehalt + bedeutendes Eigenkapital (niveauabhängig)
• Interviewprozess: schneller Screening - 2 technische Runden (praktisch + Systeme) - Teamfit/Werte

Was wir anbieten:

• Visumsponsoring (wo zutreffend); wir werden uns bemühen, Sie nach Schweiz oder Polen zu versetzen, wenn gewünscht
• Remote-freundlich: vollständig remote, hybrid oder vor Ort aus unseren Hubs
• Regelmäßige Offsites und persönliche Veranstaltungen zur Zusammenarbeit und Vernetzung
• Flexible PTO