Thomson Reuters udvikler pålideligt indhold, data og teknologi til fagfolk inden for juridiske tjenester, skat og regnskab, international handel, risikostyring, forsikring, rådgivning og globale nyheder. Porteføljen omfatter platforme til juridisk research, software til skat og regnskab, værktøjer til compliance og regulering samt Reuters' medietjenester. Ved at kombinere specialiseret ekspertise med investeringer i generativ AI hjælper Thomson Reuters advokatfirmaer, virksomheder, skatteeksperter og medieorganisationer med at håndtere komplekse oplysninger, effektivisere arbejdsgange og træffe bedre informerede beslutninger.
Direktør for model forskning og udvikling — Zug, Schweiz (hybrid)
Led Thomson Reuters' arbejde med eftertræning af LLM'er, reinforcement learning og datastrategi. Udvikl pålidelige AI-modeller til juridiske, skattemæssige og andre regulerede faglige arbejdsgange.
Beskrivelse
- Yde teknisk lederskab for model forskningsprogrammet
- Videreudvikle strategier for eftertræning og data med henblik på nøjagtige, kalibrerede og pålidelige modeller, der anvendes i faglige arbejdsgange
- Lede praktisk eftertræning af Thomson Reuters' LLM'er gennem superviseret finjustering, præferenceoptimering og reinforcement learning
- Opbygge og drive online, agentbaserede pipelines til reinforcement learning med deltagelse af fageksperter
- Lede dataselektion, optimering af datamiks, skabelse af syntetiske data og design af evalueringer
- Følge træningskørsler, opdage problemer tidligt og definere passende korrigerende foranstaltninger
- Samarbejde dagligt med infrastruktur- og evalueringsteams for at opretholde pålidelige pipelines til træning og evaluering
- Præsentere forskningsresultater og anbefalinger for at understøtte beslutninger om roadmap og prioritering
- Bidrage til eksperimenter, pipelines til træning og evaluering samt forskningsartikler til førende konferencer
- Referere til Vice President for Model Research & Development
Krav
- Dokumenteret ekspertise inden for superviseret finjustering, præferenceoptimering såsom DPO og reinforcement learning, herunder agentbaseret reinforcement learning i flere trin til værktøjsbrug og opgaveløsning
- Praktisk erfaring med at definere dataselektion, design af datamiks, generering af syntetiske data og evalueringsmetoder med målbar effekt på modeladfærd
- Stærk praktisk ekspertise inden for distribueret træning, datapipelines og evalueringsinfrastruktur, herunder evnen til at opbygge og fejlfinde disse systemer
- Dokumenterede leverede modeller, bredt anvendte open source-projekter eller fagfællebedømte publikationer ved førende konferencer som NeurIPS, ICML, ACL eller EMNLP
- Erfaring med at lede et fokuseret teknisk team med ansvar for træning og eller evaluering
- Erfaring med at anvende LLM'er inden for jura, skat eller et tilsvarende reguleret fagområde er en fordel
- Erfaring med fortsat fortræning og domænetilpasning af store basismodeller er en fordel
- Erfaring med modelsikkerhed, adversarial robusthed og red teaming er en fordel
Fordele
- Fleksible hybridarbejdsordninger for kontorbaserede roller
- Op til otte ugers arbejde fra valgfrit sted hvert år
- Fleksibel feriepolitik
- To fælles mentale sundhedsdage om året
- Adgang til Headspace-appen
- Opsparingsprogram til pension
- Tilskud til uddannelse
- Incitamentsprogrammer for medarbejdere
- Ressourcer, der støtter mental, fysisk og økonomisk trivsel
- To betalte frivilligdage hvert år
- Mulighed for at deltage i pro bono-konsulentprojekter og ESG-initiativer
- Karriereudvikling, løbende læring og kompetenceudvikling gennem Grow My Way
- Fleksible arbejdspladspolitikker, der er designet til at støtte balancen mellem arbejde og privatliv
- Programmer for medarbejderinklusion, tilhørsforhold og social påvirkning