Director, Model Research & Development in Niedergebra

Thomson Reuters Labs ist die globale Forschungs- und Entwicklungsabteilung von Thomson Reuters. Wir bringen Wissenschaftler, Ingenieure und Fachexperten zusammen, um aufkommende Technologien zu erkunden und überzeugende neue KI-Produkte zu entwickeln. Unsere Innovationen helfen Fachleuten, bessere Entscheidungen schneller zu treffen – beispielsweise mit intelligenten rechtlichen Assistenten, automatisierten Compliance-Workflows oder agentischen Steuer-Engines.

Thomson Reuters Labs entwickelt und liefert maßgeschneiderte Modelle für professionelle Workflows, die fiduziarische KI erfordern. Die Thomson LLM-Modellfamilie wurde entwickelt, indem führende Open-Weight-Modelle auf Jahrzehnten autoritativer Inhalte von Thomson Reuters trainiert wurden, mit Tausenden von Stunden an Input von Fachexperten. Die Verantwortung für die Modellschicht ist, wie wir Vertrauen in den am stärksten regulierten, risikobehafteten professionellen Workflows gewinnen: Sie ermöglicht es uns, die Genauigkeit, Zitationsverankerung und jurisdiktionale Sensibilität, die unsere Kunden benötigen, zu optimieren und unsere eigenen Trainings- und Evaluierungsprioritäten festzulegen.

Der Director of Model Research & Development ist verantwortlich für die technische Leitung des Forschungsprogramms, einschließlich der Weiterentwicklung der Post-Training- und Datenstrategie, die fähige Basismodelle in genaue, gut kalibrierte und vertrauenswürdige Modelle für den regulierten Einsatz in professionellen Workflows verwandelt. Sie arbeiten eng mit dem Team zusammen, das Experimente entwirft und durchführt, Trainings- und Evaluierungspipelines aufbaut und Ergebnisse auf erstklassigen Konferenzen veröffentlicht.

Hauptverantwortlichkeiten

• Eigenverantwortliche Durchführung des Post-Trainings für Thomson's LLMs: überwachtes Fine-Tuning, Präferenzoptimierung (z.B. DPO) und Reinforcement Learning, einschließlich RL in agentischen, mehrstufigen Einstellungen, in denen Modelle lernen, Werkzeuge zu verwenden.
• Einrichten und Betreiben der Online-Agentic-Reinforcement-Learning-Pipeline, Training mit Fachexperten im Loop.
• Verantwortung für Datenauswahl, Mischungsoptimierung, synthetische Datengenerierung und Evaluierungsdesign.
• Erkennen, wenn ein Training fehlschlägt, bevor es endet, und wissen, was zu tun ist.
• Tagtäglich mit Infrastruktur- und Evaluierungsteams arbeiten, um Trainings- und Evaluierungspipelines zuverlässig zu halten.
• Ergebnisse und Empfehlungen vorbringen, um Roadmap- und Priorisierungsentscheidungen zu informieren.

Erforderliche Qualifikationen

• Tiefe in Post-Training und Reinforcement Learning. Praktische Kenntnisse in überwachten Fine-Tuning, Präferenzoptimierung und Reinforcement Learning.
• Datenzentrierte Modellentwicklung. Persönlich geformte Datenauswahl, Mischungsdesign, synthetische Datengenerierung und Evaluierungsdesign.
• Technische Tiefe. Praktische Kenntnisse in verteiltem Training, Datenpipelines und Evaluierungsinfrastruktur.
• Nachweisbare Erfolge. Gelieferte Modelle, weit verbreitete Open-Source-Beiträge oder peer-reviewed Publikationen.
• Technische Führung. Erfahrung in der Leitung eines fokussierten technischen Teams.

Bevorzugte Qualifikationen

• Erfahrung mit der Anwendung von LLMs im Recht, Steuern oder einem anderen vergleichbar regulierten Berufsfeld.
• Fortgesetztes Pre-Training und Domänenanpassung großer Basismodelle.
• Erfahrung mit Modellsicherheit, adversarialer Robustheit und Red-Teaming.

Was ist für Sie drin?

• Hybrides Arbeitsmodell: Flexibles hybrides Arbeitsumfeld für unsere bürobasierten Rollen.
• Flexibilität & Work-Life-Balance: Unterstützende Arbeitsplatzrichtlinien zur Verwaltung persönlicher und beruflicher Verantwortlichkeiten.
• Karriereentwicklung und Wachstum: Kultur des kontinuierlichen Lernens und der Fähigkeitenentwicklung.
• Wettbewerbsfähige Vorteile: Umfassende Leistungspläne, einschließlich flexibler Urlaubsregelungen und Ressourcen für das Wohlbefinden.
• Kultur: Anerkannte, preisgekrönte Reputation für Inklusion und Zugehörigkeit.
• Soziale Auswirkungen: Möglichkeit, sich in der Gemeinschaft zu engagieren.
• Reale Auswirkungen: Unterstützung von Kunden bei der Verfolgung von Gerechtigkeit, Wahrheit und Transparenz.