Alemania
Benjamin
JetBrains
Ingeniero/a de Investigación (Modelos Agentes)
Alemania
Yerevan, Armenia · Limassol, Cyprus, Cyprus · Paphos Municipality, Cyprus, Cyprus · Prague, Prague, Czechia · Munich, Bavaria, Germany · Berlin, Germany · Amsterdam, North Holland, Netherlands · Warsaw, Masovian Voivodeship, Poland · Belgrade, Central Serbia, Serbia · Madrid, Community of Madrid, Spain · London, England, United Kingdom
PythonKubernetes
Traducción automática. Consulta el original.
Sobre la oportunidad
En JetBrains, el código es nuestra pasión. Desde que empezamos, allá por 2000, nos hemos esforzado por crear las herramientas de desarrollo más potentes y eficaces del mundo.
Hoy en día, la asistencia y los agentes impulsados por IA se están convirtiendo en una parte fundamental de cómo los desarrolladores trabajan en nuestros IDEs.
Estamos construyendo agentes de codificación de varios pasos que pueden comprender grandes bases de código, planificar cambios, llamar a herramientas e iterar con el usuario. Como Ingeniero/a de Investigación en el equipo de Modelos Agentes, serás responsable de los modelos, los bucles de entrenamiento y los pipelines de evaluación que potencian a estos agentes.
Trabajarás en la intersección del SFT y el post-entrenamiento estilo RL, y la evaluación impulsada por el producto, utilizando nuestros clústeres distribuidos de GPU y MapReduce para enviar modelos a los productos de JetBrains.
COMO PARTE DE NUESTRO EQUIPO, HARÁS
- Diseñar, implementar y mantener pipelines de post-entrenamiento SFT y RL para agentes de codificación de varios pasos.
- Entrenar y adaptar LLMs para flujos de trabajo de agentes, incluyendo planificación, uso de herramientas e interacciones de varios pasos dentro de los IDEs de JetBrains.
- Construir y desarrollar entornos de evaluación y simulación donde los agentes de codificación puedan actuar, ser medidos y comparados en tareas de desarrollo realistas.
- Diseñar frameworks de evaluación y métricas para el comportamiento de los agentes, analizar trazas y logs, y cerrar el ciclo desde la evaluación hasta el entrenamiento, los datos y el diseño de recompensas.
- Analizar los resultados de entrenamiento y evaluación para proponer e implementar mejoras en las arquitecturas de modelos, recetas de entrenamiento y conjuntos de datos.
- Trabajar con infraestructura a gran escala, incluyendo entrenamiento distribuido en clústeres de GPU y procesamiento de datos a gran escala estilo MapReduce para conjuntos de datos de pre-entrenamiento y ajuste fino.
- Colaborar estrechamente con los equipos de investigación, producto e infraestructura para convertir visiones de producto de alto nivel en modelos concretos, experimentos y funcionalidades publicadas.
NOS ALEGRARÁ INCORPORARTE SI TIENES
- Amplia experiencia práctica entrenando LLMs (pre-entrenamiento, ajuste fino o post-entrenamiento) en un entorno de investigación o producción.
- Profunda experiencia en frameworks modernos de deep learning como PyTorch, y stacks especializados de entrenamiento de LLM (por ejemplo, Megatron, NeMo, verl o similar).
- Sólida comprensión teórica y práctica de los fundamentos de LLM: arquitecturas, tokenización, pipelines de datos, batching, precisión mixta, entrenamiento distribuido y depuración de ejecuciones inestables.
- La capacidad de gestionar proyectos de principio a fin, comenzando por un problema de alto nivel o un punto de dolor del producto y supervisándolo a través de las fases de diseño, experimentación, implementación e iteración.
- Una mentalidad orientada al producto: te importa cómo los desarrolladores usan realmente los agentes y puedes traducir las necesidades del producto y los modos de fallo en trabajo de modelado y evaluación.
- Al menos 3 años de experiencia en Python escribiendo código limpio y mantenible en bases de código de ML modernas.
NUESTRO CANDIDATO IDEAL TENDRÍA EXPERIENCIA CON
- Orquestadores de ML y herramientas de flujo de trabajo como Kubeflow, Dagster, Airflow, ZenML, y/o planificadores de trabajos como Kubernetes o SLURM.
- Pipelines de datos y entrenamiento a gran escala, por ejemplo, clústeres estilo MapReduce, entrenamiento multi-nodo con GPU, o cargas de trabajo del orden de 1M+ horas de CPU/GPU.
- Diseño y mantenimiento de pipelines de evaluación para LLMs o agentes, incluyendo métricas, dashboards, seguimiento de experimentos y comprobaciones automatizadas de regresión.
- Desarrollo de agentes de IA, como agentes que usan herramientas, planificadores o flujos de trabajo de codificación de varios pasos, y familiaridad con frameworks o patrones de agentes.
- Seguimiento de experimentos y observabilidad utilizando herramientas como Weights & Biases, MLflow, Langfuse o similares.
- Optimización de inferencia y servicio de modelos optimizados en producción.
#LI-KP1
Procesamos los datos proporcionados en tu solicitud de empleo de acuerdo con la Política de Privacidad de Reclutamiento.
Somos un empleador que ofrece igualdad de oportunidades
Sabemos que las grandes ideas pueden venir de cualquiera, en cualquier lugar. Por eso hacemos todo lo posible para crear un lugar de trabajo abierto e inclusivo, uno que dé la bienvenida a todos independientemente de su origen, identidad, religión, edad, necesidades de accesibilidad u orientación.
Más oportunidades con un solo perfil
¿Quieres optar a más puestos sin repetir todo el proceso? Crea tu perfil para que te encuentren las empresas que usan Nort.
Crear mi perfil