États-Unis
B&A
Matter Inc
Ingénieur de recherche en IA, Entraînement et adaptation de modèles
États-Unis
Menlo Park, California, United States
Go
Traduction automatique. Consultez l’original.
À PROPOS DE MATTER
Matter développe la pile d'autonomie native en IA pour la fabrication physique. Nous possédons et exploitons des usines en tant qu'environnements d'apprentissage contrôlés, collectant des données à chaque étape de la production pour entraîner et valider des systèmes d'IA qui fonctionnent sur du matériel réel.
LE RÔLE
Nous recrutons un ingénieur de recherche en IA pour diriger l'entraînement et l'adaptation des modèles pour MatterOS, couvrant les données de pré-entraînement, le réglage fin spécifique au domaine et l'alignement post-entraînement pour les tâches de fabrication.
Vous travaillerez sur l'ensemble du cycle de vie du développement des modèles : de la curation du corpus de fabrication et la conception de pipelines de données synthétiques, au réglage fin de VLM et VLA à usage général pour des tâches spécifiques à l'usine, jusqu'à la construction de cadres d'évaluation qui définissent ce qu'est un résultat « satisfaisant » dans un contexte de production.
VOS MISSIONS
- Concevoir et gérer des pipelines de génération de données synthétiques utilisant la simulation physique (NVIDIA Isaac Sim, MuJoCo) : randomisation de domaine, génération procédurale de scènes et validation du transfert sim-to-real.
- Curer et annoter le corpus d'entraînement de fabrication : données CAD, plans de processus, programmes d'équipement, séquences d'assemblage, flux de capteurs et enregistrements d'inspection qualité.
- Régler finement et adapter les VLM, VLA et LLMs pré-entraînés aux tâches spécifiques à la fabrication : copilote DFM, détection de défauts, génération d'instructions d'assemblage et apprentissage de politiques robotiques.
- Mettre en œuvre des méthodes d'alignement post-entraînement (RLHF, DPO ou optimisation par préférence) pour aligner le comportement du modèle sur les critères de réussite des tâches de fabrication.
- Construire des benchmarks d'évaluation spécifiques au domaine : précision de manipulation, fidélité au suivi des instructions, conformité aux processus et détection des modes de défaillance.
- Collaborer avec le chercheur scientifique VLA et l'ingénieur en infrastructure IA pour fermer la boucle d'entraînement entre la simulation, les données réelles d'usine et les modèles déployés.
CE QUE NOUS RECHERCHONS
- Solide expérience en recherche en machine learning avec une expérience pratique de l'entraînement de grands modèles (VLM, LLMs ou politiques robotiques).
- Expérience pratique des pipelines de données de pré-entraînement, de la génération de données synthétiques ou de l'entraînement multimodal à grande échelle.
- Familiarité avec les techniques de réglage fin et d'alignement : LoRA, RLHF, DPO, instruction tuning.
- Maîtrise de PyTorch ; expérience avec NVIDIA Isaac Sim, MuJoCo ou des moteurs de simulation basés sur la physique.
- Capacité à concevoir des cadres d'évaluation qui vont au-delà des benchmarks standards pour mesurer les performances réelles spécifiques à une tâche.
- Pensée systémique : vous comprenez que la qualité des données d'entraînement et l'alignement au domaine comptent plus que l'échelle du modèle dans les applications physiques contraintes.
LES PLUS
- Doctorat ou diplômes d'études supérieures en machine learning, robotique ou domaine connexe.
- Expérience en IA incarnée, apprentissage robotique ou transfert sim-to-real.
- Expérience dans les domaines industriels ou de la fabrication.
- Expérience de l'entraînement distribué sur des clusters GPU (SLURM, DeepSpeed, FSDP).
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