Estados Unidos
B&A
Matter Inc
Ingeniero de investigación en IA, entrenamiento y adaptación de modelos
Estados Unidos
Menlo Park, California, United States
Go
Traducción automática. Consulta el original.
SOBRE MATTER
Matter está construyendo la pila de autonomía nativa de IA para la fabricación física. Poseemos y operamos fábricas como entornos de aprendizaje controlados, recopilando datos de cada etapa de la producción para entrenar y validar sistemas de IA que se ejecutan en hardware real.
EL PUESTO
Estamos buscando un ingeniero de investigación en IA para liderar el entrenamiento y la adaptación de modelos para MatterOS, abarcando datos de preentrenamiento, ajuste fino específico de dominio y alineación posterior al entrenamiento para tareas de fabricación.
Trabajarás en todo el ciclo de vida de desarrollo del modelo: desde la curación del corpus de fabricación y el diseño de canalizaciones de datos sintéticos, hasta el ajuste fino de VLM y VLA de propósito general para tareas específicas de fábrica, pasando por la creación de marcos de evaluación que definan qué constituye un resultado "bueno" en un contexto de producción.
LO QUE HARÁS
- Diseñar y gestionar canalizaciones de generación de datos sintéticos utilizando simulación física (NVIDIA Isaac Sim, MuJoCo): aleatorización de dominio, generación procedimental de escenas y validación de transferencia de simulación a realidad.
- Curar y anotar el corpus de entrenamiento de fabricación: datos CAD, planes de proceso, programas de equipos, secuencias de ensamblaje, flujos de sensores y registros de inspección de calidad.
- Ajustar y adaptar VLM, VLA y LLMs preentrenados a tareas específicas de fabricación: copiloto de DFM, detección de fallos, generación de instrucciones de ensamblaje y aprendizaje de políticas robóticas.
- Implementar métodos de alineación posterior al entrenamiento (RLHF, DPO u optimización de preferencias) para alinear el comportamiento del modelo con los criterios de éxito de las tareas de fabricación.
- Crear puntos de referencia de evaluación específicos del dominio: precisión de manipulación, fidelidad en el seguimiento de instrucciones, cumplimiento de procesos y detección de modos de fallo.
- Colaborar con el científico de investigación de VLA y el ingeniero de infraestructura de IA para cerrar el ciclo de entrenamiento entre la simulación, los datos reales de fábrica y los modelos desplegados.
LO QUE BUSCAMOS
- Sólida experiencia en investigación de machine learning con experiencia práctica en el entrenamiento de modelos grandes (VLM, LLMs o políticas de robots).
- Experiencia práctica con canalizaciones de datos de preentrenamiento, generación de datos sintéticos o entrenamiento multimodal a escala.
- Familiaridad con técnicas de ajuste fino y alineación: LoRA, RLHF, DPO, ajuste de instrucciones.
- Dominio de PyTorch; experiencia con NVIDIA Isaac Sim, MuJoCo o motores de simulación basados en física.
- Capacidad para diseñar marcos de evaluación que vayan más allá de los puntos de referencia estándar para medir el rendimiento en el mundo real específico de la tarea.
- Pensamiento sistémico: entiendes que la calidad de los datos de entrenamiento y la alineación de dominio importan más que la escala del modelo en aplicaciones físicas restringidas.
VALORAMOS
- Doctorado o títulos de posgrado en machine learning, robótica o un campo relacionado.
- Experiencia con IA encarnada, aprendizaje de robots o transferencia de simulación a realidad.
- Antecedentes en dominios industriales o de fabricación.
- Experiencia con entrenamiento distribuido en clústeres de GPU (SLURM, DeepSpeed, FSDP).
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