Az AI Fund olyan vállalkozásfejlesztő stúdió, amely segít a mesterséges intelligencia köré épülő vállalatok elindításában és fejlesztésében. Alapítókkal és technológiai úttörőkkel együttműködve kisebbségi társalapítói szerepet vállal, és támogatja MI-alkalmazások létrehozását többek között a gyártás, a mentális egészség, az oktatás és az egészségügy területén. Munkája a vállalkozásépítést olyan csapatok gyakorlati támogatásával ötvözi, amelyek különböző iparágak kihívásaira alkalmazzák a mesterséges intelligenciát.
Szoftvermérnök, MI-rendszerek (távmunka az Egyesült Államokban)
Éles környezetben működő LLM-ügynököket fejleszt a Haven Safety vállalati biztonsági intelligenciaplatformjához. Biztonságkritikus vizsgálatokhoz tartozó lekérési, értékelési, megfigyelhetőségi és megbízhatósági rendszerekért felel.
Leírás
- Többlépcsős LLM-folyamatokat fejleszt és üzemeltet, amelyek összehangolják a modell- és eszközhívásokat, a gráfle kérdezéseket, a lekérést, a minőségi kapukat és a specialista ügynökök közötti átadásokat.
- Bővíti a Haven összehangolt ügynökcsapatát és vezérlési rétegét az incidensek bizonyítékaitól az elemzésen, felülvizsgálaton és vállalati tanuláson át.
- Neo4j-bejárással, vektoros kereséssel és hibrid lekéréssel létrehozza a kontextusréteget.
- Értékelési adathalmazokat, pontozási módszereket, regressziós tesztcsomagokat, modell-összehasonlításokat, emberi felülvizsgálati ciklusokat és szintenkénti minőség-hozzárendelést fejleszt.
- Nyomkövetést, eszközhívás-auditálást, költség- és késésfigyelést, hibából való helyreállítást és minőségi irányítópultokat épít be.
- Azonosítja az ügynökhurkokat, a hallucinációkat és a csendes teljesítményromlást, mielőtt azok hatással lennének az ügyfelekre.
- A feladat követelményei alapján választ az OpenAI, az Anthropic és a Google modelljei közül.
- Szorosan együtt dolgozik a termék- és tudásmérnöki csapatokkal.
- Hozzájárul az MI-útiterv irányának meghatározásához.
- Éles környezetből származó bizonyítékok alapján tervez, szállít, műszerez és folyamatosan fejleszt MI- és LLM-következtetési rendszereket.
- Közvetlenül a műszaki igazgatónak jelent.
Követelmények
- Tapasztalat MI- vagy gépi tanulási mérnöki munkában, beleértve valódi ügyfelek által használt LLM-rendszerek szállítását.
- Gyakorlati tapasztalat többlépcsős, eszközöket használó munkafolyamatok létrehozásában és hibakeresésében LangGraph, LangChain vagy hasonló keretrendszerrel.
- Rendszerszemléletű LLM-értékelési gyakorlat reprezentatív adathalmazokkal, regressziós tesztekkel, LLM-as-judge módszerekkel vagy emberi felülvizsgálati ciklusokkal.
- Tapasztalat LLM-ek kontextusának előkészítésében, világos indoklással arra vonatkozóan, mit, mennyit és miért kell lekérni.
- Éles rendszerek felelősségteljes kezelése az üzembe helyezéstől a felügyeleten át az incidenskezelésig, beleértve a hibák és regressziók diagnosztizálását és megoldását.
- Képesség több modellbeszállítóval dolgozni, valamint a minőség, késés, költség, kontextus és üzemeltetési kockázat közötti kompromisszumok magyarázatára.
- Kiemelten előnyös: Neo4j és Cypher vagy hasonló gráfadatbázis használatában szerzett tapasztalat, valamint gráfadat-modellezés gyors elsajátításának képessége.
- Haladó szintű Python-ismeret.
- Éles környezetben szerzett tapasztalat FastAPI-val, aszinkron szolgáltatásokkal, teszteléssel, megfigyelhetőséggel és karbantartható interfészekkel.
- Előny: Cypher-ismeret, sémafejlesztés, MERGE-minták, embeddingek és élő tudásgráf üzemeltetése.
- Előny: a promptinjektálás, a kontextusszivárgás megelőzése, a tenantok elkülönítése, a szerepköralapú hozzáférés és a szabályzati rétegek szétválasztásának ismerete.
- Előny: éles MI-szolgáltatások üzemeltetésében szerzett tapasztalat Azure-ban, valamint Azure AI Search, Pinecone, MongoDB Atlas, pgvector, Elasticsearch vagy hasonló platform használata.
- Kiemelten előnyös: korábbi tapasztalat vállalati környezetben.
- A pályázóknak az Egyesült Államokban kell tartózkodniuk; a költözést nem vesszük figyelembe.
Juttatások
- Jelentős MI-következtetési kihívásokon dolgozhat.
- Olyan csapathoz csatlakozhat, amely mérnöki gyakorlatában kiemelten kezeli az értékelést.
- Közvetlenül és láthatóan az ügyfelekre ható technológiát szállíthat.
- Kis csapatban széles körű felelősséget vállalhat.
- Közvetlen visszajelzést kaphat a biztonsági csapatoktól és a végfelhasználóktól.
- Szorosan együtt dolgozhat a műszaki igazgatóval, a termék- és tudásmérnöki csapatokkal.
- Jelentős műszaki döntéseket hozhat, és gyorsan láthatja azok eredményét az ügyfeleknél.