Allemagne
Solaris
JetBrains
Ingénieur Recherche (Modèles Agentiques)
Allemagne
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
Traduction automatique. Consultez l’original.
À propos du poste
Chez JetBrains, le code est notre passion. Depuis nos débuts, en 2000, nous nous efforçons de créer les outils de développement les plus performants et les plus efficaces au monde.
Aujourd'hui, l'assistance et les agents basés sur l'IA deviennent un élément central de la façon dont les développeurs travaillent dans nos IDE.
Nous développons des agents de codage multi-étapes capables de comprendre de grandes bases de code, de planifier des modifications, d'appeler des outils et d'itérer avec l'utilisateur. En tant qu'Ingénieur Recherche au sein de l'équipe Modèles Agentiques, vous serez responsable des modèles, des boucles d'entraînement et des pipelines d'évaluation qui alimentent ces agents.
Vous travaillerez à l'intersection du SFT et de l'entraînement post-SFT de type RL, ainsi que de l'évaluation axée sur le produit, en utilisant nos clusters GPU distribués et MapReduce pour intégrer des modèles dans les produits de JetBrains.
AU SEIN DE NOTRE ÉQUIPE, VOUS ALLEZ
- Concevoir, implémenter et maintenir des pipelines d'entraînement post-SFT et RL pour des agents de codage multi-étapes.
- Entraîner et adapter les LLMs pour les flux de travail des agents, y compris la planification, l'utilisation d'outils et les interactions multi-étapes au sein des IDE de JetBrains.
- Construire et développer des environnements d'évaluation et de simulation où les agents de codage peuvent agir, être mesurés et comparés sur des tâches de développement réalistes.
- Concevoir des cadres d'évaluation et des métriques pour le comportement des agents, analyser les traces et les journaux, et boucler la boucle de l'évaluation vers l'entraînement, les données et la conception des récompenses.
- Analyser les résultats d'entraînement et d'évaluation pour proposer et mettre en œuvre des améliorations aux architectures de modèles, aux recettes d'entraînement et aux ensembles de données.
- Travailler avec une infrastructure à grande échelle, y compris l'entraînement distribué sur des clusters GPU et le traitement de données à grande échelle de type MapReduce pour les ensembles de données de pré-entraînement et de fine-tuning.
- Collaborer étroitement avec les équipes de recherche, de produit et d'infrastructure pour transformer des visions produit de haut niveau en modèles concrets, expériences et fonctionnalités livrées.
NOUS SERONS HEUREUX DE VOUS ACCUEILLIR SI VOUS AVEZ
- Une expérience pratique approfondie dans l'entraînement des LLMs (pré-entraînement, fine-tuning ou post-entraînement) dans un cadre de recherche ou de production.
- Une expertise approfondie dans les frameworks modernes de deep learning tels que PyTorch, et des piles d'entraînement spécialisées pour LLM (par exemple, Megatron, NeMo, verl, ou similaires).
- Une solide compréhension théorique et pratique des fondamentaux des LLM : architectures, tokenisation, pipelines de données, batching, précision mixte, entraînement distribué et débogage des exécutions instables.
- La capacité à gérer des projets de bout en bout, en partant d'un problème de haut niveau ou d'un point de douleur produit et en supervisant les phases de conception, d'expérimentation, d'implémentation et d'itération.
- Un état d'esprit axé sur le produit – vous vous souciez de la manière dont les développeurs utilisent réellement les agents et pouvez traduire les besoins produit et les modes d'échec en travail de modélisation et d'évaluation.
- Au moins 3 ans d'expérience en Python dans l'écriture de code propre et maintenable dans des bases de code ML modernes.
NOTRE CANDIDAT IDÉAL AURA DE L'EXPÉRIENCE AVEC
- Des orchestrateurs ML et des outils de workflow tels que Kubeflow, Dagster, Airflow, ZenML, et/ou des planificateurs de tâches comme Kubernetes ou SLURM.
- Des pipelines de données et d'entraînement à grande échelle, par exemple des clusters de type MapReduce, l'entraînement GPU multi-nœuds, ou des charges de travail de l'ordre de 1M+ heures CPU/GPU.
- La conception et la maintenance de pipelines d'évaluation pour les LLMs ou les agents, y compris les métriques, les tableaux de bord, le suivi des expériences et les vérifications automatisées de régression.
- Le développement d'agents IA, tels que des agents utilisant des outils, des planificateurs ou des flux de travail de codage multi-étapes, et une familiarité avec les cadres ou les modèles agentiques.
- Le suivi des expériences et l'observabilité à l'aide d'outils tels que Weights & Biases, MLflow, Langfuse, ou similaires.
- L'optimisation de l'inférence et le déploiement de modèles optimisés en production.
#LI-KP1
Nous traitons les données fournies dans votre candidature conformément à la Politique de confidentialité de recrutement.
Nous sommes un employeur garantissant l'égalité des chances
Nous savons que les grandes idées peuvent venir de n'importe qui, n'importe où. C'est pourquoi nous faisons de notre mieux pour créer un lieu de travail ouvert et inclusif – un lieu qui accueille tout le monde, quelles que soient son origine, son identité, sa religion, son âge, ses besoins en matière d'accessibilité ou son orientation.
Plus d’opportunités avec un seul profil
Vous souhaitez accéder à plus de postes sans répéter tout le processus ? Créez votre profil pour être trouvé par les entreprises utilisant Nort.
Créer mon profil