Thomson Reuters vyvíjí důvěryhodný obsah, data a technologie pro odborníky působící v oblasti právních služeb, daní a účetnictví, mezinárodního obchodu, řízení rizik, pojišťovnictví, poradenství a globálního zpravodajství. Její portfolio zahrnuje platformy pro právní výzkum, software pro daňovou a účetní agendu, nástroje pro zajištění souladu s předpisy a regulatorními požadavky a mediální služby Reuters. Propojením odborných znalostí s investicemi do generativní umělé inteligence pomáhá Thomson Reuters advokátním kancelářím, korporacím, daňovým odborníkům a mediálním organizacím spravovat komplexní informace, zefektivňovat pracovní postupy a přijímat informovanější rozhodnutí.
Ředitel výzkumu a vývoje modelů — Zug, Švýcarsko (hybridní režim)
Veďte post-trénování LLM, posilované učení a datovou strategii společnosti Thomson Reuters. Vyvíjejte spolehlivé modely umělé inteligence pro právní, daňové a další regulované odborné procesy.
Popis
- Poskytovat technické vedení programu výzkumu modelů
- Rozvíjet strategie post-trénování a práce s daty pro přesné, kalibrované a důvěryhodné modely používané v odborných procesech
- Řídit praktické post-trénování LLM společnosti Thomson Reuters pomocí učení s učitelem, optimalizace preferencí a posilovaného učení
- Vytvářet a provozovat online agentní pipeline posilovaného učení za účasti odborníků na danou oblast
- Řídit výběr dat, optimalizaci datových směsí, tvorbu syntetických dat a návrh vyhodnocování
- Sledovat trénovací běhy, včas odhalovat problémy a určovat vhodná nápravná opatření
- Denně spolupracovat s týmy infrastruktury a vyhodnocování na zajištění spolehlivých pipeline pro trénování a hodnocení
- Prezentovat výsledky výzkumu a doporučení pro tvorbu plánu rozvoje a stanovování priorit
- Podílet se na experimentech, pipeline pro trénování a vyhodnocování a na výzkumných článcích pro přední konference
- Podléhat viceprezidentovi pro výzkum a vývoj modelů
Požadavky
- Prokázaná odbornost v oblasti učení s učitelem, optimalizace preferencí, například DPO, a posilovaného učení včetně vícefázového agentního posilovaného učení pro používání nástrojů a plnění úkolů
- Praktické zkušenosti s definováním přístupů k výběru dat, návrhem datových směsí, generováním syntetických dat a vyhodnocováním s měřitelným dopadem na chování modelů
- Silná praktická odbornost v distribuovaném trénování, datových pipeline a infrastruktuře pro vyhodnocování včetně schopnosti tyto systémy vytvářet a řešit v nich problémy
- Výsledky v podobě nasazených modelů, široce používaných open-source projektů nebo recenzovaných publikací na předních konferencích, jako jsou NeurIPS, ICML, ACL nebo EMNLP
- Zkušenost s vedením specializovaného technického týmu odpovědného za trénování a/nebo vyhodnocování
- Výhodou jsou zkušenosti s využitím LLM v právní, daňové nebo podobné regulované odborné oblasti
- Výhodou jsou zkušenosti s pokračujícím předtrénováním a doménovou adaptací velkých základních modelů
- Výhodou jsou zkušenosti s bezpečností modelů, odolností vůči útokům a red teamingem
Benefity
- Flexibilní hybridní pracovní režim pro pozice s prací v kanceláři
- Až osm týdnů práce odkudkoli na světě ročně
- Flexibilní politika dovolené
- Dva celofiremní dny duševního zdraví ročně
- Přístup k aplikaci Headspace
- Program spoření na důchod
- Příspěvek na školné
- Motivační programy pro zaměstnance
- Zdroje podporující duševní, fyzickou a finanční pohodu
- Dva placené dny dobrovolnické činnosti ročně
- Možnost zapojit se do pro bono poradenských projektů a iniciativ ESG
- Kariérní rozvoj, průběžné vzdělávání a školení dovedností prostřednictvím programu Grow My Way
- Flexibilní pravidla organizace práce navržená na podporu rovnováhy mezi pracovním a osobním životem
- Programy inkluze, sounáležitosti a společenského dopadu pro zaměstnance