kAIgentic ir Singapūrā bāzēts uzņēmumu mākslīgā intelekta SaaS uzņēmums, kas palīdz sarežģītām un zināšanu ietilpīgām organizācijām pārvērst tacītās darbības zināšanas pārvaldāmos mākslīgā intelekta aģentos. Tā platforma apvieno aģentu konfigurēšanu, cilvēku, sistēmu un procesu diagnostisko analīzi, kā arī izpildes vidi ieviešanai ar cilvēka uzraudzību, telemetriju un nepārtrauktu pilnveidi. Uzņēmuma saknes meklējamas Japānā, un tas sadarbojas ar finanšu pakalpojumu nozares uzņēmumiem, koncentrējoties uz uzticamību, atbilstību un regulēto uzņēmumu praktisku mākslīgā intelekta modernizāciju, neprasot pilnībā nomainīt esošās sistēmas.
Vecākais mākslīgā intelekta pētniecības programmatūras inženieris – kAIgentic (hibrīddarbs, Indija)
Vadiet pārvaldītu zināšanu grafu, mācīšanās sistēmu un ražošanas mākslīgā intelekta procesu izstrādi uzņēmumā kAIgentic. Veidojiet uzticamus, pierādījumos balstītus risinājumus regulētu uzņēmumu darbībām.
Apraksts
- Vadiet pilnu zināšanu grafa shēmas projektēšanu un ieviešanu, aptverot hierarhiju, izcelsmes datus, versiju pārvaldību un paplašināmību.
- Izstrādājiet pamatotu datu ieguves procesus, kas katru apgalvojumu sasaista ar avota pierādījumiem un epistemoloģisko statusu.
- Izveidojiet un pilnveidojiet daudzkontekstu secināšanas ietvarus atmiņas pārvaldībai, budžeta kontrolei un liela mēroga saspiešanai.
- Veidojiet zināšanu destilēšanas darba plūsmas, kas ārējos datus iekļauj iekšējā ontoloģijā.
- Izstrādājiet konsolidācijas ietvarus, kas apvieno dokumentus, intervijas un notikumu žurnālus, vienlaikus risinot konfliktus.
- Izveidojiet un pilnveidojiet modeļu pielāgošanas darba plūsmas, izmantojot SFT, DPO un RFT.
- Izstrādājiet mācīšanās cilpu infrastruktūru, kas apkopo atgriezenisko saiti, atbalsta aktīvo mācīšanos un nepārtraukti atjaunina ontoloģiju.
- Veidojiet pastiprinātās mācīšanās vidi un mācību programmas ar atlīdzības signāliem un drošas darbības novērtēšanas pasākumiem.
- Izstrādājiet ražošanas meklēšanas un ģenerēšanas sistēmas noteikto kvalitātes, latentuma un izmaksu mērķu ietvaros.
- Izveidojiet novērtēšanas ietvarus, izmantojot aklās vērtēšanas kritērijus un LLM tiesneša validāciju, lai novērtētu pamatotību un halucinācijas.
Prasības
- Pierādīti panākumi mākslīgā intelekta pētniecības sistēmu ieviešanā ražošanā — no sākotnējā prototipa līdz darbībai regulētā vidē.
- Darbs ar mākslīgā intelekta prioritāti un augstu izpildes tempu.
- Padziļinātas Python un PyTorch zināšanas, tostarp liela mēroga precizēšana, izmantojot SFT, DPO un RFT.
- Zināšanas par grafu datubāzēm un ontoloģiju inženieriju, tostarp shēmu arhitektūru, versiju kontroli un izcelsmes datiem.
- Praktiska pieredze tādu datu ieguves sistēmu izveidē, kas apgalvojumus sasaista ar avota pierādījumiem un epistemoloģisko statusu.
- Praktiska pieredze pastiprinātās mācīšanās vidēs, mācību programmu izstrādē un atlīdzības modelēšanā autonomām sistēmām.
- Teicama izpratne par izgūšanā balstītu ģenerēšanu, latentuma samazināšanu un izmaksu ziņā efektīvu mērogošanu.
- Spēja veikt stingru lietišķo pētniecību, izstrādājot hipotēzes, veicot ablācijas testus un statistisko validāciju.
- Pamatots vērtējums, izvēloties starp modeļa pielāgošanu un konteksta inženieriju, kā arī teicamas starpfunkcionālās komunikācijas prasmes.
- Doktora grāds mākslīgajā intelektā, datorzinātnēs vai saistītā disciplīnā.
- Vismaz četru gadu atbilstoša pieredze rūpnieciskajā pētniecībā.
Priekšrocības
- Sadarbojieties globāli ar kolēģiem Singapūrā, Indijā, Japānā, Eiropā un Amerikas Savienotajās Valstīs.
- Mācieties un attīstieties kopā ar pieredzējušiem lielo uzņēmumu vadītājiem.
- Uzņemieties atbildību par nozīmīgu darbu jau no pirmās dienas.
- Strādājiet vidē, kurā tiek novērtēta psiholoģiskā drošība, atklātas debates un disciplinēti eksperimenti.
- Apvienojiet jaunuzņēmuma ātrumu ar darbu pie uzņēmuma mēroga infrastruktūras.
- Palīdziet ietekmēt produktu, uzņēmuma kultūru un klientu rezultātus.
- Risiniet kritiski svarīgus izaicinājumus regulētā uzņēmējdarbības vidē.