Portugal
Sonae MC
Jobgether
Mid/Senior AI LLM Engineer
Portugal
Portugal
Python
Automatische Übersetzung. Prüfe das Original.
Über die Stelle
Diese Stelle wird im Auftrag eines Partnerunternehmens ausgeschrieben, das alle Bewerbungen und weiteren Schritte verwaltet. Unser Partner sucht einen Mid/Senior AI LLM Engineer mit Sitz in Portugal.
Wie Jobgether funktioniert
Wir nutzen einen KI-gestützten Matching-Prozess, um sicherzustellen, dass Ihre Bewerbung schnell, objektiv und fair anhand der Kernanforderungen der Stelle geprüft wird. Unser System identifiziert die am besten geeigneten Kandidaten, und diese Shortlist wird dann direkt an das einstellende Unternehmen weitergegeben. Die endgültige Entscheidung und die nächsten Schritte (Interviews, Assessments) werden von deren internem Team verwaltet.
Wir danken Ihnen für Ihr Interesse und wünschen Ihnen viel Erfolg!
Warum über Jobgether bewerben?
Datenschutzhinweis: Mit dem Absenden Ihrer Bewerbung bestätigen Sie, dass Jobgether Ihre personenbezogenen Daten verarbeitet, um Ihre Eignung zu bewerten und relevante Informationen an den einstellenden Arbeitgeber weiterzugeben. Diese Verarbeitung basiert auf berechtigtem Interesse und vorvertraglichen Maßnahmen gemäß den geltenden Datenschutzgesetzen (einschließlich DSGVO). Sie können Ihre Rechte (Auskunft, Berichtigung, Löschung, Widerspruch) jederzeit ausüben.
#LI-CL1
Als Mid/Senior AI LLM Engineer entwickeln, verfeinern und optimieren Sie selbst gehostete Large Language Models, die personalisierte und ansprechende KI-Konversationen ermöglichen. Sie arbeiten über den gesamten Lebenszyklus der Modellentwicklung hinweg – von der Vorbereitung von Trainingsdatensätzen und der Durchführung GPU-basierter Experimente bis hin zur Leistungsbewertung und Bereitstellung von Verbesserungen in der Produktion. Ihre Arbeit trägt dazu bei, die Konversationsqualität, das Langzeitgedächtnis, die Konsistenz der Persönlichkeit und die mehrsprachigen Interaktionen zu verbessern. In Zusammenarbeit mit KI-Ingenieuren, Produktspezialisten, Webentwicklern und DevOps-Teams verwandeln Sie experimentelle Erkenntnisse in zuverlässige, skalierbare Lösungen. Diese praxisorientierte Rolle bietet die Möglichkeit, mit Open-Weight-Modellen, fortschrittlichen Fine-Tuning-Techniken und praktischen KI-Evaluierungs-Frameworks zu arbeiten. Sie werden Teil einer Remote-First-Umgebung, die sich auf den Aufbau innovativer, verbraucherorientierter KI-Produkte konzentriert und dabei kontinuierlich die Modellleistung und das Nutzererlebnis verbessert.
Verantwortlichkeiten
- Fine-Tuning und Optimierung bestehender Open-Weight Large Language Models zur Verbesserung der Konversationsqualität, Antwortgenauigkeit, Konsistenz und Personalisierung.
- Vorbereitung, Kuratierung und Erweiterung von Trainingsdatensätzen, um effektives Modell-Lernen zu unterstützen, unerwünschte Ausgaben zu reduzieren und die Relevanz sowie Natürlichkeit der generierten Antworten zu verbessern.
- Entwurf und Implementierung von Evaluierungs-Frameworks, Benchmarks und Testmethoden zur Messung der Modellqualität, Identifizierung von Schwachstellen und Validierung von Verbesserungen.
- Verbesserung des Konversationsgedächtnisses, der Persönlichkeitskonsistenz und der Fähigkeit der Modelle, kohärente, kontextbezogene Interaktionen über längere Konversationen hinweg aufrechtzuerhalten.
- Entwicklung mehrsprachiger Konversationsfähigkeiten und Unterstützung von Interaktionen mit mehreren Charakteren, um ein natürliches und konsistentes Verhalten in verschiedenen Szenarien zu gewährleisten.
- Untersuchung von Modellfehlern und Leistungsbeschränkungen sowie Anpassung von Trainingsdaten, Prompts, Modellkonfigurationen und Antwortfiltern, um identifizierte Probleme zu beheben.
- Durchführung GPU-basierter Trainings- und Fine-Tuning-Experimente, Fehlerbehebung bei Infrastruktur- und Leistungsproblemen sowie Optimierung von Trainings-Workflows hinsichtlich Effizienz und Zuverlässigkeit.
- Anwendung moderner Modelladaptions- und Alignment-Techniken, einschließlich Supervised Fine-Tuning, LoRA, QLoRA und gegebenenfalls präferenzbasierter Optimierungsmethoden.
- Bereitstellung verbesserter Modelle in Produktionsumgebungen, Überwachung ihrer Leistung, Analyse der nutzerseitigen Ergebnisse und Implementierung iterativer Verfeinerungen basierend auf Evaluierungsergebnissen.
- Zusammenarbeit mit KI-Engineering-, Produkt-, Webentwicklungs- und DevOps-Teams, um Modellverbesserungen in verbraucherorientierte Anwendungen zu integrieren und die technische Arbeit mit den Produktzielen in Einklang zu bringen.
- Arbeit mit sensiblen Konversationsanwendungsfällen und Moderationsanforderungen, wobei ein Gleichgewicht zwischen Modellverhalten, Nutzererlebnis und geltenden Inhaltsrichtlinien gewahrt wird.
Anforderungen
- Nachgewiesene praktische Erfahrung im Fine-Tuning von Open-Weight Large Language Models und deren Bereitstellung in Produktionsumgebungen.
- Starke Python-Programmierkenntnisse, einschließlich Erfahrung in der Entwicklung, dem Testen und der Wartung von machine-learning-Workflows.
- Praktische Erfahrung mit PyTorch und Hugging Face oder vergleichbaren machine-learning-Frameworks und Tools zur Modellentwicklung.
- Erfahrung mit Modelltrainings- und Adaptionstechniken wie Supervised Fine-Tuning (SFT), Low-Rank Adaptation (LoRA) und Quantized Low-Rank Adaptation (QLoRA).
- Vertrautheit mit präferenzbasiertem Training und Alignment-Techniken wie Direct Preference Optimization (DPO) oder Group Relative Policy Optimization (GRPO).
- Erfahrung in der Vorbereitung und Verwaltung von Trainingsdatensätzen, der Verbesserung der Datenqualität und der Entwicklung von Evaluierungs-Frameworks zur Bewertung des Modellverhaltens und der Ausgabequalität.
- Praktische Erfahrung mit GPU-basiertem Modelltraining, Leistungsoptimierung und dem Debugging technischer Probleme im Zusammenhang mit dem Training.
- Starke analytische Fähigkeiten und Problemlösungskompetenz mit der Fähigkeit, das Modellverhalten zu untersuchen, Grundursachen zu identifizieren, Experimente zu entwerfen und messbare Verbesserungen nachzuweisen.
- Verständnis der Herausforderungen bei der Bereitstellung und Wartung von LLM-basierten Anwendungen, einschließlich Antwortqualität, Konsistenz, Inferenzleistung und kontinuierlicher Überwachung.
- Erfahrung in der Arbeit an verbraucherorientierten KI-Produkten mit einem Verständnis dafür, wie sich Modellqualität und Konversationsverhalten auf das Nutzererlebnis auswirken.
- Komfort im Umgang mit minimal eingeschränkten oder unzensierten KI-Modellen, einschließlich expliziter Inhalte für Erwachsene oder NSFW-Inhalten sowie sensiblen Moderationsmaterialien, unter Anwendung angemessener Sicherheitsvorkehrungen und Praktiken zur Inhaltsbehandlung.
- Fähigkeit, unabhängig in einer Remote-Umgebung zu arbeiten, Experimente effektiv zu verwalten, Ergebnisse zu dokumentieren und mit funktionsübergreifenden Teams zusammenzuarbeiten.
- Starke Kommunikationsfähigkeiten, Liebe zum Detail und eine Einstellung zum kontinuierlichen Lernen mit der Fähigkeit, experimentelle Ergebnisse in praktische Produktverbesserungen umzusetzen.
Vorteile
- Vollständig remote Arbeitsweise innerhalb Europas.
- Langfristige Kooperationsmöglichkeiten, wobei B2B-Verträge bevorzugt werden.
- 20 Arbeitstage bezahlter Urlaub.
- Ein monatlicher Zuschuss zur Krankenversicherung in Höhe von $100.
- Ausstattungsbudget zur Unterstützung Ihrer Remote-Arbeitsumgebung.
- Zugang zu KI-Entwicklungstools und -technologien.
- Unterstützung bei Lernen und Entwicklung zur Förderung des kontinuierlichen beruflichen Wachstums.
- Jährliches Team-Treffen, um sich mit Kollegen zu vernetzen und zusammenzuarbeiten.
- Möglichkeit, praktisch mit selbst gehosteten LLMs zu arbeiten, die innovative, verbraucherorientierte KI-Produkte antreiben.
- Eine technisch anspruchsvolle Umgebung, die Einblicke in moderne Sprachmodelle, Fine-Tuning-Methoden und die Entwicklung von Konversations-KI bietet.
Mehr Möglichkeiten mit einem Profil
Für mehr Stellen berücksichtigt werden, ohne den ganzen Prozess zu wiederholen? Erstellen Sie Ihr Profil, damit Unternehmen auf Nort Sie finden.
Profil erstellen