Sr. AI Researcher, Agentic Systems

Kanada

Canada

Python

Automatische Übersetzung. Prüfe das Original.

Die Rolle

Bei OpenSpace definieren wir neu, wie die komplexesten Projekte der Welt realisiert werden. Unsere KI-gestützte Visual Intelligence Platform nutzt Computer Vision und räumliche KI, um Bauteams eine Echtzeit-Ansicht des Baufortschritts zu bieten und sie dabei zu unterstützen, schneller, sicherer und mit größerer Zuversicht zu bauen.

Was uns jedoch wirklich auszeichnet, sind unsere Mitarbeiter. Wir stellen neugierige, engagierte Teammitglieder ein, die es lieben, komplexe Probleme zu lösen, Verantwortung zu übernehmen und einen echten Mehrwert zu schaffen. Großartige Menschen schaffen eine großartige Unternehmenskultur – und das zahlt sich aus. Forbes hat OpenSpace fünf Jahre in Folge zu einem der besten Startup-Arbeitgeber Amerikas ernannt. Überzeugen Sie sich selbst ✨

Der Sr. AI Research Engineer entwickelt agentische Systeme, die über den gesamten OpenSpace-Datenbestand hinweg Schlussfolgerungen ziehen: 360°-Bildmaterial, Punktwolken, BIM-Modelle, Zeichnungssätze und Spezifikationen sowie neuere Datenströme aus mobiler Erfassung, Wearables und Audioaufnahmen vor Ort. Unser Computer-Vision-Team erstellt die Wahrnehmungs-Primitive, die bestimmen, was in einer Aufnahme enthalten ist. Sie entwickeln die darüber liegende Ebene, kombinieren diese Primitive mit Frontier-Modellen, um die Fragen zu beantworten, die Projektteams tatsächlich stellen, und machen die Antworten so verifizierbar, dass ein Bauleiter darauf vertrauen kann.

Die Arbeit ist angewandte Forschung. Die schwierigen Probleme bestehen darin zu entscheiden, was ein Agent aus einem vierdimensionalen Standortdatensatz sehen sollte, die Werkzeuge zu entwerfen, die er aufrufen kann, und oft genug zu beweisen, dass er richtig liegt, um das Produkt auszuliefern. Wenn Sie eine Frontier-API aufrufen, sind die interessanten Entscheidungen bereits getroffen.

Ihre Aufgaben

Entwurf und Aufbau von Agentensystemen, die mehrstufige Aufgaben über Bildmaterial, Geometrie und Dokumente hinweg planen und ausführen.

Verantwortung für die Kontext-Ebene. Aufbau von Retrieval- und Grounding-Prozessen über einen räumlich und zeitlich indizierten Standortdatensatz, damit ein Agent die Beweise erhält, die für eine Frage tatsächlich erforderlich sind.

Entwurf der Tool-Oberfläche: die Primitive, die ein Agent aufruft, um eine Komponente zu lokalisieren, zwei Aufnahmen zu vergleichen, einen Bereich einer Zeichnung zu lesen oder ein BIM-Element abzufragen.

Aufbau von Evaluierungen für Aufgaben, bei denen die Ground Truth mehrdeutig ist, und Nutzung dieser zur fundierten Entscheidung darüber, was bereit für den Einsatz ist und was nicht.

Auswahl des richtigen Modells für jeden Schritt. Frontier-API, Open-Weight-Modell, feinabgestimmtes kleines Modell oder klassische CV, abgewogen gegen Kosten, Latenz und Genauigkeit bei Produktionsvolumen.

Nachvollziehbarkeit der Ergebnisse. Jede Behauptung sollte auf das Pixel, das Blatt oder den Spezifikationsabschnitt verweisen, der sie stützt.

Schnelles Prototyping, Verwerfen nicht funktionierender Ansätze und partnerschaftliche Zusammenarbeit mit Plattform-Ingenieuren, um funktionierende Lösungen bereitzustellen.

Was wir suchen

M.Sc./Ph.D. in einem verwandten Bereich oder gleichwertige Berufserfahrung.

5+ Jahre Erfahrung in der Entwicklung von ML-Systemen, einschließlich mindestens eines LLM- oder VLM-basierten Systems, das Sie in die Produktion überführt und betrieben haben. Wir werden fragen, was schiefgelaufen ist.

Erfahrung im Entwurf von Evaluierungen von Grund auf, wenn die Ground Truth teuer, spärlich oder umstritten ist.

Starke multimodale Kompetenz: Vision-Language-Modelle, Embeddings und Retrieval, Kontext-Design sowie Fine-Tuning, wenn es den Aufwand rechtfertigt.

Fundierte Ingenieurskunst. Python, asynchrone Orchestrierung, Tracing und Kosteninstrumentierung. Sie bauen Ihr eigenes Framework.

Vertrautheit mit räumlichen Daten. Sie benötigen kein SLAM-Depth-Wissen, aber Koordinatenrahmen, Kameraposen und Projektionen sollten Sie nicht ausbremsen.

Urteilsvermögen darüber, was sich zu automatisieren lohnt, und die Bereitschaft zu sagen, wenn die Antwort noch nicht gefunden wurde.

Wünschenswert

Post-Training oder Reinforcement Learning auf Agenten-Trajektorien.

Dokumentenverständnis für technische Zeichnungen, Spezifikationen oder andere strukturierte PDFs.

Sensor-Datenströme über das grundlegende Bildmaterial hinaus, wie z. B. mobile Erfassung, Wearables oder Audioaufnahmen vor Ort.

Erfahrung im Bauwesen, in der Robotik, im Geodatenbereich oder in einem anderen Bereich, in dem Modelle auf die physische Welt treffen.

Grundgehalt: $181,000 - $230,000 CAD

OpenSpace heißt Mitarbeiter mit unterschiedlichen Hintergründen und Lebenswegen willkommen, was sich in unserer vielfältigen Gemeinschaft widerspiegelt. OpenSpace ist stolz darauf, ein Arbeitgeber zu sein, der Chancengleichheit fördert, und verpflichtet sich, allen Mitarbeitern und Bewerbern gleiche Beschäftigungsmöglichkeiten zu bieten, unabhängig von Rasse, Hautfarbe, Religion, Alter, Geschlecht, nationaler Herkunft, Behinderung, Genetik, geschütztem Veteranenstatus, sexueller Orientierung, Geschlechtsidentität oder -ausdruck oder anderen durch Bundes-, Landes- oder lokale Gesetze geschützten Merkmalen.

Sprachen

Sr. AI Researcher, Agentic Systems

Die Rolle

Ihre Aufgaben

Was wir suchen

Wünschenswert

Weiter entdecken

Dein nächster Jobsucht schon nach dir.

Mehr Möglichkeiten mit einem Profil

Field Implementation Technician I

Solution Architect

Cybersicherheitsspezialist