IONOS DE
ellamind
Ein Modell wird nur dann gut in seiner Arbeit, wenn es sie geübt hat. Unsere Modelle üben an tausenden künstlichen Aufgaben: eine Warteschlange eines Sachbearbeiters, die priorisiert werden muss, eine Tabellenkalkulation, die sich nicht abstimmen lässt, eine Richtlinie, die auf ein Dokument angewendet werden muss, das niemand richtig formatiert hat, oder ein defektes Repository in einer Sandbox.
Jemand muss diese Welten erschaffen und dann einen ehrlichen Weg finden, um festzustellen, ob das Modell die Arbeit wirklich erledigt hat oder nur so aussah, als ob. Wir möchten, dass du das bist.
An vielen Orten wird die Arbeit an Umgebungen als bloße Infrastruktur für die „echten“ Forscher behandelt. Wir sehen das genau umgekehrt. Das meiste, was unsere Modelle können, haben sie durch ihre Aufgaben gelernt. Du arbeitest also direkt mit den Leuten zusammen, die das Training durchführen, siehst, wie sich deine Aufgaben auf das Modell auswirken, und hast ein Mitspracherecht dabei, was das nächste Modell lernt.
Dinge, die uns freuen würden, aber kein Muss sind: Erfahrung mit RL (Training im GRPO- oder PPO-Stil, Reward-Design); echtes Fachwissen in einem Bereich, in dem Agenten tatsächlich arbeiten, wie Recht, Finanzen, Versicherungen oder öffentliche Verwaltung; Sandboxing-Infrastruktur (Docker, Firecracker, Kubernetes); Open-Source-Beiträge. Deutsch ist in dieser Rolle nützlich, da viele unserer Aufgaben als deutschsprachige Prozesse beginnen.
Was du baust, wird fast sofort trainiert, und du wirst sehen, was es bewirkt hat. GPUs sind nur so nützlich wie die Aufgaben, für die wir sie einsetzen, daher setzt deine Arbeit in der Praxis die Messlatte für das nächste Modell. Ein guter Teil davon wird auch öffentlich, so wie unsere Terminal-Bench 4.0 Aufgaben. Und wir sind klein: Wenn du am Dienstag eine gute Idee hast, musst du darüber kein formelles Proposal schreiben.
Lade deinen Lebenslauf über das Formular hoch und erzähle uns in ein paar Zeilen von einer Sache, die du gebaut hast und auf die du stolz bist. Eine Umgebung, ein Trainingslauf, ein Bewerter, ein Bug, für den du drei Tage gebraucht hast, um ihn einzugrenzen. Links zu GitHub, Papers, einem Blogpost oder einem chaotischen Notebook sind willkommen. Bitte schreibe uns kein poliertes Anschreiben. Wir lesen lieber das Notebook.
Wir stellen gleichzeitig für drei RL-Rollen ein: Umgebungen und Daten, Post-Training sowie Alignment und Reward-Modeling. Wenn du dich zwischen zwei Rollen siehst, bewirb dich auf die passendere und erwähne es. Wir finden das gemeinsam heraus.
Uns ist viel wichtiger, was du gebaut hast und wie du denkst, als wie dein Lebenslauf aussieht. Wenn du nicht jeden Punkt erfüllst, bewirb dich trotzdem. Das tut kaum jemand, und unterschiedliche Perspektiven machen unsere Modelle und unser Team besser.
Bei ellamind entwickeln wir Sprachmodelle und die Methoden, die sie besser machen. Unser Team trainiert eigene Modelle, baut RL-Umgebungen, Datensätze und Benchmarks und erforscht, wie man die Fähigkeiten von LLMs zuverlässig messen und systematisch verbessern kann. Wir sind bekannt für unsere führenden deutschsprachigen Open-Source-Modelle. Wir teilen aktiv, was wir lernen, unter anderem durch die Open-Source-Community DiscoResearch und als Teil des OpenEuroLLM-Programms.
Als cashflow-positives Startup arbeiten wir mit namhaften Partnern wie der Deutschen Telekom, der Bundesregierung und führenden Gesundheitsdienstleistern zusammen. Unser Hauptsitz ist in Bremen. Wir bieten wettbewerbsfähige Bezahlung, Equity-Optionen und kurze Wege zu den Gründern.
Dein Lebenslauf ist nicht das Einzige, was zählt. Wir suchen neugierige Menschen, die dabei helfen wollen, die nächste Generation europäischer KI-Modelle zu gestalten. Vielfalt ist uns wichtig, denn unterschiedliche Perspektiven machen uns besser. Bitte bewirb dich auch dann, wenn du nicht (jetzt schon) jede Anforderung erfüllst.
Reverse-Recruiting- Plattform für Entwickler