kAIgentic to mająca siedzibę w Singapurze korporacyjna firma SaaS specjalizująca się w sztucznej inteligencji. Pomaga złożonym organizacjom, w których praca opiera się na wiedzy, przekształcać niejawną wiedzę operacyjną w zarządzane agenty AI. Jej platforma łączy konfigurację agentów, diagnostyczną analizę ludzi, systemów i procesów oraz środowisko uruchomieniowe do wdrażania z nadzorem człowieka, telemetrią i ciągłym doskonaleniem. Dzięki korzeniom w Japonii i współpracy z sektorem usług finansowych kAIgentic koncentruje się na zapewnieniu niezawodności, zgodności z przepisami i praktycznej modernizacji AI w regulowanych firmach, bez konieczności całkowitej wymiany istniejących systemów.
Starszy inżynier oprogramowania ds. badań nad AI — kAIgentic (praca hybrydowa, Indie)
Kieruj rozwojem zarządzanych grafów wiedzy, systemów uczących się i produkcyjnych potoków AI w kAIgentic. Twórz niezawodne rozwiązania oparte na dowodach dla regulowanych operacji korporacyjnych.
Opis
- Kierowanie pełnym projektowaniem i wdrażaniem schematu grafu wiedzy obejmującego hierarchię, pochodzenie danych, wersjonowanie i rozszerzalność.
- Opracowywanie potoków ekstrakcji opartych na dowodach, które łączą każde twierdzenie ze źródłowymi dowodami i statusem epistemicznym.
- Tworzenie i udoskonalanie wielokontekstowych narzędzi wnioskowania do zarządzania pamięcią, budżetem i kompresją na dużą skalę.
- Budowanie procesów destylacji wiedzy, które wprowadzają dane zewnętrzne do wewnętrznej ontologii.
- Opracowywanie struktur konsolidacji, które łączą dokumenty, wywiady i dzienniki zdarzeń, rozwiązując konflikty.
- Tworzenie i udoskonalanie procesów adaptacji modeli z wykorzystaniem SFT, DPO i RFT.
- Opracowywanie infrastruktury pętli uczenia, która gromadzi informacje zwrotne, wspiera aktywne uczenie i stale aktualizuje ontologię.
- Budowanie środowisk i programów nauczania do uczenia ze wzmocnieniem, z sygnałami nagrody i miarami oceny bezpiecznego działania.
- Opracowywanie produkcyjnych systemów generowania wspomaganego wyszukiwaniem w ramach określonych celów jakości, opóźnienia i kosztu.
- Tworzenie struktur oceny z wykorzystaniem ślepych rubryk i walidacji LLM-as-judge do oceny ugruntowania i halucynacji.
Wymagania
- Udokumentowany sukces w przenoszeniu badawczych systemów AI od początkowego prototypu do produkcji w regulowanych środowiskach.
- Praca z podejściem AI-native i wysokim tempem realizacji.
- Zaawansowana znajomość Pythona i PyTorch, w tym wielkoskalowego dostrajania z wykorzystaniem SFT, DPO i RFT.
- Ekspercka znajomość baz grafowych i inżynierii ontologii, w tym architektury schematów, kontroli wersji i pochodzenia danych.
- Praktyczne doświadczenie w budowaniu systemów ekstrakcji, które wiążą twierdzenia ze źródłowymi dowodami i statusem epistemicznym.
- Praktyczne doświadczenie ze środowiskami uczenia ze wzmocnieniem, tworzeniem programów nauczania i modelowaniem nagród dla systemów autonomicznych.
- Biegłość w generowaniu wspomaganym wyszukiwaniem, redukcji opóźnień i skalowaniu efektywnym kosztowo.
- Umiejętność prowadzenia rygorystycznych badań stosowanych poprzez projektowanie hipotez, testy ablacyjne i walidację statystyczną.
- Trafny osąd przy wyborze między adaptacją modelu a inżynierią kontekstu oraz silne umiejętności komunikacji międzyfunkcyjnej.
- Stopień doktora w dziedzinie sztucznej inteligencji, informatyki lub pokrewnej dyscyplinie.
- Co najmniej cztery lata odpowiedniego doświadczenia badawczego w branży.
Benefity
- Globalna współpraca ze współpracownikami z Singapuru, Indii, Japonii, Europy i Stanów Zjednoczonych.
- Możliwość nauki i rozwoju u boku doświadczonych liderów z dużych przedsiębiorstw.
- Możliwość przejęcia odpowiedzialności za znaczącą pracę od pierwszego dnia.
- Praca w środowisku, które ceni bezpieczeństwo psychologiczne, otwartą debatę i zdyscyplinowane eksperymentowanie.
- Połączenie szybkości startupu z pracą nad infrastrukturą na skalę przedsiębiorstwa.
- Możliwość wpływania na produkt, kulturę firmy i wyniki klientów.
- Rozwiązywanie krytycznych wyzwań w regulowanych środowiskach korporacyjnych.