Tether.to is een bedrijf voor digitale activa dat zich richt op stablecoininfrastructuur en blockchaingebaseerde betalingen. De Tether-tokens van het bedrijf zijn ontworpen om een waarde van 1:1 ten opzichte van de overeenkomstige fiatvaluta's te behouden en kunnen via meerdere blockchains worden overgedragen, ter ondersteuning van digitale transacties en grensoverschrijdende betalingen. Het bedrijf publiceert ook informatie over zijn activa en reserves en ontwikkelt educatieve initiatieven die bedoeld zijn om het begrip en gebruik van digitale activa te vergroten, onder meer in het Midden-Oosten, Turkije en de Filipijnen. Met activiteiten op het gebied van crypto, fintech en financiën draagt Tether.to bij aan de ontwikkeling van alternatieve financiële infrastructuur en toepassingen voor digitale valuta met een stabiele waarde.
AI-onderzoeksingenieur – Kernel- en inferentieoptimalisatie, Europa (op afstand)
Optimaliseer GPU-kernels, model serving en inferentiesystemen voor Tethers blockchainplatform voor digitale financiële dienstverlening. Verbeter latentie, doorvoer en geheugenefficiëntie op mobiele apparaten en edge-apparaten.
Beschrijving
- Ontwerp en implementeer architecturen voor model serving die de doorvoer maximaliseren, latentie minimaliseren en geheugen efficiënt gebruiken.
- Verbeter de inferentieprestaties op apparaten en edgeplatforms met beperkte middelen.
- Stel prestatiedoelen vast voor latentie, responstijden van tokens en geheugengebruik.
- Bouw, voer uit en monitor gecontroleerde inferentietests in gesimuleerde en productieomgevingen.
- Monitor prestatie-indicatoren voor latentie, doorvoer, geheugengebruik en foutenpercentage.
- Leg iteratieve bevindingen vast en vergelijk resultaten met gevestigde platformonafhankelijke benchmarks.
- Ontwikkel testdatasets en simulatiescenario's voor implementatieomstandigheden met beperkte middelen.
- Evalueer de rekenefficiëntie en identificeer knelpunten in serving-pipelines.
- Optimaliseer batching, netwerkvertragingen, geheugengebruik, schaalbaarheid en betrouwbaarheid.
- Werk samen met multidisciplinaire teams om geoptimaliseerde serving- en inferentieframeworks te integreren in productiepipelines voor edge- en on-devicegebruik.
- Stel succesmetingen vast, monitor de prestaties voortdurend en verfijn oplossingen iteratief.
Vereisten
- Diploma in computerwetenschappen of een verwante discipline.
- Een PhD in NLP, machine learning of een verwant vakgebied strekt tot aanbeveling.
- Aantoonbare ervaring met AI-onderzoek en -ontwikkeling, waaronder sterke publicaties op A*-conferenties.
- Werkkennis van de Metal Shading Language (MSL).
- Vermogen om aangepaste compute shaders vanaf de basis te creëren.
- Ervaring met het optimaliseren van low-level-kernels en inferentie op mobiele apparaten.
- Aantoonbare verbetering van inferentielatentie, doorvoer en geheugengebruik voor domeinspecifieke toepassingen.
- Gevorderd inzicht in moderne architecturen voor model serving en methoden voor inferentieoptimalisatie.
- Uitgebreide ervaring met het schrijven van GPU-kernels voor smartphones en andere mobiele apparaten.
- Gevorderde kennis van frameworks voor model serving en inferentie-engines.
- Praktische ervaring met het ontwikkelen en implementeren van end-to-end-inferentiepipelines op apparaten met beperkte middelen.
- Vermogen om empirisch onderzoek toe te passen op serving-uitdagingen rond latentie, computationele knelpunten en geheugenbeperkingen.
- Vaardigheid in het ontwerpen van evaluatieframeworks en het iteratief verbeteren van optimalisatiebenaderingen.
- Ervaring met gedistribueerde inferentiesystemen, waaronder tensor-, pipeline- en expertparallelisme.
- Gevorderd inzicht in de wiskunde en architectuur van diffus modellen en Vision Transformers.
- Kennis van pruning, kwantisatie, Flash Attention, KV-cache en speculatief decoderen met Eagle.
Voordelen
- Werk op afstand vanuit waar ook ter wereld.
- Werk samen met een internationaal team.
- Draag bij aan producten op het gebied van fintech, blockchain, kunstmatige intelligentie en digitale financiële dienstverlening.