CommonAI CIC
CommonAI CIC
A CommonAI CIC cambridge-i székhelyű közérdekű társaság és nonprofit tagsági szervezet, amely az alapvető mesterségesintelligencia-technológiák biztonságos és felelős fejlesztésén dolgozik. Együttműködésen alapuló mérnöki modellje mesterségesintelligencia-startupokat, működő vállalkozásokat, közszektorbeli szervezeteket és akadémiai csapatokat kapcsol össze az erőforrások megosztása, a szellemi tulajdon fejlesztése, valamint a magas megbízhatóságot igénylő kezdeményezéseket és a Scaling Inference Labot is magukban foglaló, irányított programokon keresztüli deep-tech mesterséges intelligencia fejlesztése érdekében. A szervezet védett Digital Commons-hozzáférést, speciális mérnöki és kutatási szakértelmet, továbbá költséghatékony számítási infrastruktúrát biztosít tagjai számára irányított nyílt forráskódú és kutatási projektekhez. A CommonAI CIC-nél végzett munka lehetőséget kínál arra, hogy valaki gyakorlati, együttműködésen alapuló munkához járuljon hozzá a mesterséges intelligencia, a kutatás és a közérdekű technológia metszéspontjában.

Gépi tanulási rendszermérnök, következtetési teljesítménytesztelés

Készítsen megismételhető teljesítményteszteket az LLM-ek kiszolgálásához a CommonAI brit MI-infrastruktúra-kutatásának részeként. Értékelje a hosszú kontextusú és ágensalapú munkaterheléseket fizikai rendszereken és szimulációkban.

Leírás

  • Hozzon létre és tartson karban megismételhető LLM-kiszolgálási munkaterheléseket, konfigurációkat és teljesítménytesztelő eszközöket
  • Fejlesszen hosszú kontextusú és ágensalapú munkaterheléseket megfelelő, már meglévő szoftverekkel
  • Jellemezze a kérésmintákat, a bemenetek és kimenetek hosszát, a gyorsítótárazást, a kötegelést, az eszközhasználatot és a kérések közötti függőségeket
  • Határozzon meg teljesítménymutatókat az alkalmazásminőségi és szolgáltatási követelményekkel együtt
  • Dolgozzon együtt mérnökökkel a munkaterhelések fizikai rendszereken történő reprodukálásán
  • Működjön együtt a szimulátormérnökökkel a munkaterhelések modellezésében úgy, hogy megmaradjanak a fontos viselkedések és függőségek
  • Mérje fel, hogyan befolyásolják a következtetéseket a munkaterhelések és a kiszolgálási konfigurációk változásai
  • Tartsa naprakészen a teljesítményteszteket a következtetési technológia és a munkaterhelések változásával
  • Rögzítse az adatkészleteket, a modellek és szoftverek verzióit, a konfigurációkat, az eredetadatokat és az engedélyezett felhasználásokat
  • Hasonlítsa össze a munkaterhelések teljesítményét a rendszerek között, az egyeztetett alkalmazásminőségi és szolgáltatási követelmények alapján
  • Segítsen a mérnököknek és befektetőknek megérteni az egyes alkalmazásokhoz megfelelő infrastruktúra kiválasztását

Követelmények

  • Tapasztalat gépi tanulási rendszerek, következtetési szolgáltatások, teljesítménytesztek vagy hasonló, munkaterhelés-vezérelt rendszerek fejlesztésében vagy értékelésében
  • Erős gyakorlati szoftverfejlesztési készségek megbízható teljesítménytesztelő eszközök építéséhez, eredmények elemzéséhez, valamint az alkalmazás és az infrastruktúra kölcsönhatásainak hibakereséséhez
  • Az LLM-következtetés ismerete és érdeklődés az iránt, hogyan befolyásolják a kiszolgálási döntések a teljesítményt és a kimenetek minőségét
  • Gondosság a megismételhető összehasonlítások megtervezésében és az eredmények megadott alkalmazási követelmények szerinti értelmezésében
  • Gyakorlati tapasztalat MI-alapú kódolóügynökökkel, valamint jó ítélőképesség a generált kód, adatátalakítások és értékelések ellenőrzésében
  • A vLLM, az SGLang vagy hasonló kiszolgálószoftverek, a hosszú kontextusú munkaterhelések, az ágensalapú alkalmazások, a nyomvonal-elemzés vagy a minőségértékelés ismerete előnyt jelent
  • Képesség LLM-ek kiszolgálásával dolgozni; később más következtetési formák is szóba jöhetnek
  • A kapcsolódó posztgraduális tanulmányok hasznosak, de a tapasztalat és a munka minősége fontosabb a végzettségnél
  • Az Egyesült Királyságban kell tartózkodnia, vagy a hibrid munkavégzésről szóló megállapodás szerint Cambridge-be kell járnia

Juttatások

  • Versenyképes juttatási csomag nyugdíj-hozzájárulással és egyéb juttatásokkal
  • Szakmai fejlődési lehetőségek
  • Kapcsolatépítés a technológiai és akadémiai élet meghatározó szereplőivel
  • Jelentős eszközkeret a legkorszerűbb modellekhez és kódolóügynökökhöz
  • Együttműködő, támogató munkahely
  • Lehetőség arra, hogy jelentősen hozzájáruljon egy növekvő szervezet munkájához
  • Életteli iroda a cambridge-i vasútállomás közelében
  • Hibrid munkavégzés, egyénileg egyeztetett cambridge-i jelenléttel
  • Teljes munkaidős, részmunkaidős és tanácsadói munkavégzési lehetőségek
  • Rugalmas kezdési időpont
  • Befogadó és sokszínű munkahely

Kapcsolódó állások

CommonAI CIC

Szenior műszaki vezető, mesterségesintelligencia-rendszerek szimulációja

CommonAI CIC

Vezessen egy olyan szimulátor fejlesztését, amely összekapcsolja az MI-munkaterheléseket, a hardvermodelleket és a fizikai méréseket. Segítse a CommonAI-t a feltörekvő infrastruktúrák értékelésében az Egyesült Királyság közhasznú befektetéseihez.

Megnyitás
CommonAI CIC

MI-infrastruktúra-rendszerek teljesítménymérnöke

CommonAI CIC

Tervezzen megismételhető kísérleteket és mérőeszközöket a CommonAI MI-infrastruktúra-szimulációihoz. Értékelje a hardver és az LLM-kiszolgálás teljesítményét az Egyesült Királyság beruházási döntéseinek támogatására.

Megnyitás
CommonAI CIC

Szoftvermérnök, mesterségesintelligencia-infrastruktúra szimulációja

CommonAI CIC

Fejlesszen szimulációs szoftvereket a CommonAI mesterségesintelligencia-infrastruktúrával kapcsolatos kutatásaihoz. Hasonlítson össze processzor-, memória-, hálózati és kiszolgálási stratégiákat valósághű nagy nyelvi modellterhelésekkel.

Megnyitás
Aurora Energy Research

Senior AI szoftvermérnök

Aurora Energy Research

Vezesse az Aurora Energy Research energia piaci döntéseit támogató autonóm LLM-rendszereinek fejlesztését. A vállalat felhős szoftvere az elektromos hálózatokat követi és modellezi. Irányítson csapatokat, és juttassa el az ügynökalapú rendszereket a kezdeti felhasználói egyeztetésektől az éles működésig.

Megnyitás
Hiscox

Gépi tanulási mérnök a Hiscoxnál (hibrid, Egyesült Királyság)

Hiscox

Skálázható gépi tanulási és generatív MI-megoldásokat fejleszthet a Hiscox speciális biztosítási üzletágának. Automatizálhatja a modellek telepítését az Azure, a Databricks, a Kubernetes és a CI/CD-munkafolyamatok használatával.

Megnyitás