AI Research Engineer (Agentic Reinforcement Learning)

Diese Position wird im Auftrag eines Partnerunternehmens ausgeschrieben, das alle Bewerbungen und nächsten Schritte verwaltet. Unser Partner sucht einen AI Research Engineer (Agentic Reinforcement Learning) mit Sitz in der Schweiz.

Als AI Research Engineer, der sich auf Agentic Reinforcement Learning spezialisiert hat, werden Sie Forschung und Innovation in der nächsten Generation intelligenter Systeme vorantreiben. Sie entwickeln fortschrittliche Techniken des Reinforcement Learning, die Entscheidungsfindung, adaptives Verhalten und Leistung über multimodale KI-Architekturen verbessern. Sie arbeiten mit Texten, Bildern, Audio und anderen Datenmodalitäten und helfen dabei, Modelle zu erstellen, die komplexe, reale Herausforderungen lösen können.

Ihre Arbeit umfasst das Design skalierbarer Trainingsinfrastrukturen, die Optimierung von Belohnungsmechanismen und die Verbesserung der Zuverlässigkeit autonomer KI-Agenten. Sie werden bahnbrechende Ansätze untersuchen, die diffusionbasierte generative Modelle, autoregressive Architekturen und einheitliche multimodale Frameworks umfassen. Durch rigorose Experimente und Benchmarking werden Sie die Grenzen der Modellleistung, Effizienz und Generalisierung erweitern. Diese vollständig remote Möglichkeit bietet die Chance, zu bedeutender KI-Forschung in einem schnelllebigen, global verteilten Technologieumfeld beizutragen.

Verantwortlichkeiten

In dieser Rolle führen Sie fortgeschrittene Forschung durch und entwickeln skalierbare Reinforcement Learning-Systeme für multimodale KI-Anwendungen. Ihre Hauptverantwortlichkeiten umfassen:

• Forschung und Entwicklung von Reinforcement Learning-Algorithmen für multimodale Modelle, einschließlich diffusionbasierter Ansätze zur Bildgenerierung, autoregressiver Modelle für multimodales Verständnis und einheitlicher Architekturen, die mehrere Modalitäten integrieren.
• Design und Implementierung einer skalierbaren Reinforcement Learning-Infrastruktur, die verteiltes Training über komplexe multimodale Systeme unterstützt.
• Entwicklung und Optimierung von Belohnungsmodellierungsstrategien zur Verbesserung der Trainingsstabilität, zur Ausrichtung des Modellverhaltens auf gewünschte Ergebnisse und zur Vermeidung von Belohnungshacking und verwandten Fehlermodi.
• Erstellung, Pflege und Wartung multimodaler Simulationsumgebungen und Trainingsdatensätze zur Unterstützung robuster Modellentwicklung, -bewertung und -benchmarking.
• Design und Implementierung rigoroser Evaluierungsprotokolle zur Messung der Modellleistung, zur Überwachung des Fortschritts gegenüber festgelegten Baselines und zur Validierung von Forschungsverbesserungen.
• Analyse und Optimierung der Politikleistung über verschiedene Modalitäten hinweg, indem Engpässe im Training, bei der Kreditvergabe, der Belohnungsoptimierung und der intermodalen Ausrichtung identifiziert werden.
• Untersuchung neuer Paradigmen des Reinforcement Learning, die es KI-Agenten ermöglichen, effektiver aus Umgebungsfeedback zu lernen.
• Verbesserung der Modellerkundung, Entscheidungsfindung und des adaptiven Verhaltens, um eine Spitzenleistung in dynamischen, realen Umgebungen zu erreichen.
• Durchführung großangelegter Experimente und Übersetzung empirischer Erkenntnisse in praktische algorithmische Verbesserungen.
• Veröffentlichung und Präsentation von Forschungsergebnissen auf führenden internationalen Konferenzen, einschließlich ICML, NeurIPS, ICLR, CVPR, ICCV und ECCV.

Anforderungen

Der ideale Kandidat kombiniert starkes theoretisches Wissen über Reinforcement Learning mit praktischer Erfahrung in der Entwicklung und Optimierung großangelegter multimodaler KI-Systeme. Folgende Qualifikationen und technische Fähigkeiten werden erwartet:

• Master-Abschluss in Informatik oder einem verwandten Fachgebiet. Ein Doktortitel in Maschinenlernen, natürlicher Sprachverarbeitung, Computer Vision oder einem eng verwandten Bereich ist bevorzugt.
• Starke Erfolgsbilanz in der KI-Forschung, einschließlich Veröffentlichungen auf führenden internationalen Konferenzen.
• Nachgewiesene Erfahrung in der Durchführung großangelegter Reinforcement Learning-Experimente in multimodalen und visionszentrierten Systemen, einschließlich Online-Reinforcement Learning-Umgebungen.
• Nachweisliche Fähigkeit zur Verbesserung der entscheidungsrelevanten Leistung in spezifischen Domänen und zur Erzielung messbarer Fortschritte in der Politikleistung.
• Tiefes Verständnis von Reinforcement Learning-Algorithmen und Optimierungstechniken, die auf Vision und multimodales Lernen angewendet werden.
• Starkes Wissen über Politikstabilität, Erkundungsstrategien, Stichproben-Effizienz und Optimierung in komplexen, hochdimensionalen Umgebungen, die Bilder, Videos und andere Modalitäten umfassen.
• Fortgeschrittene Kenntnisse in PyTorch und modernen Deep-Learning-Frameworks für Computer Vision und multimodale KI.
• Praktische Erfahrung im Aufbau von End-to-End-Reinforcement Learning-Pipelines, die Simulation, Modelltraining, Bewertung und Produktionsbereitstellung abdecken.
• Fähigkeit, grundlegende Herausforderungen im Reinforcement Learning anzugehen, einschließlich Stichprobenineffizienz, Erkundungs-Exploitations-Abwägungen und Trainingsinstabilität.
• Erfahrung in der Gestaltung robuster Evaluierungsrahmen und der Nutzung empirischer Forschung zur kontinuierlichen Verbesserung der algorithmischen Leistung.
• Etablierte Forschungs-Publikationsbilanz auf erstklassigen Konferenzen wie ICML, NeurIPS, ICLR, CVPR, ICCV oder ECCV.
• Starke analytische Denkweise, wissenschaftliche Problemlösungsfähigkeiten und die Fähigkeit, fortgeschrittene Forschung in praktische KI-Lösungen zu übersetzen.

Vorteile

Vollständig Remote-Arbeit: Arbeiten Sie remote von überall auf der Welt mit einem global verteilten Team.

• Internationale Zusammenarbeit: Arbeiten Sie mit talentierten Forschern, Ingenieuren und Technologieprofis aus verschiedenen Ländern und Disziplinen zusammen.
• Fortschrittliche KI-Forschung: Arbeiten Sie an fortschrittlichem Reinforcement Learning, multimodalen Architekturen, generativer KI und intelligenten Systemen der nächsten Generation.
• Forschung und Innovation: Erkunden Sie neue Methoden und tragen Sie zu Entwicklungen auf dem neuesten Stand der Technik in der künstlichen Intelligenz bei.
• Wissenschaftliche Anerkennung: Möglichkeiten zur Veröffentlichung von Forschung und zur Präsentation von Ergebnissen auf führenden internationalen KI- und Maschinenlernkongressen.
• Berufliches Wachstum: Entwickeln Sie Expertise in aufkommenden KI-Technologien, während Sie zu herausfordernden, hochwirksamen Forschungsinitiativen beitragen.
• Globales Technologieumfeld: Seien Sie Teil einer ehrgeizigen, schnell wachsenden Organisation, die in den Bereichen KI, digitale Finanzen, Peer-to-Peer-Technologie und anderen innovativen Bereichen tätig ist.