Nominal
Nominal
Ingénieur Recherche Staff, Évaluations d'Agents & Post-formation
À PROPOS DE NOMINAL
Notre mission est d'accélérer la façon dont le monde conçoit du nouveau matériel. La plateforme de test et d'opérations connectée de NOMINAL alimente les programmes matériels les plus avancés du monde et ses startups les plus ambitieuses, des engins spatiaux, voitures de course et véhicules autonomes aux programmes de défense et d'énergie de nouvelle génération. Nos clients incluent Anduril, Shield AI, Hermeus, Albedo, Shinkei et Pratt Miller Motorsports, ainsi que des programmes de la Marine américaine et de l'Armée de l'Air américaine. Nous nous étendons maintenant à l'ensemble du cycle de vie du matériel, en construisant les fondations, les applications natives d'IA et les agents qui accélèrent le travail des innovateurs et changent ce qu'il est possible de construire.
Nous sommes soutenus par Sequoia, General Catalyst, Founders Fund, Lux Capital et Lightspeed, et notre équipe vient de SpaceX, Apple, Palantir, Anduril, Applied Intuition et d'autres entreprises leaders.
À PROPOS DE HARDWARE INTELLIGENCE
Nous sommes l'équipe derrière les agents, les applications natives d'IA et le MCP de NOMINAL, et ses paris audacieux en IA. Notre mission est de lever les goulots d'étranglement du cycle de vie du matériel grâce à l'IA. Nos agents raisonnent sur la réalité physique, de la télémétrie à haut débit et des campagnes de test aux conceptions et simulations, où les résultats réels des tests sont la vérité terrain par rapport à laquelle leur travail est vérifié. Nous pensons que l'IA opinionnée, construite pour le travail réel des programmes matériels, changera la façon dont le monde conçoit.
Nous sommes collaboratifs, itératifs et avons une grande autonomie, et nous sommes centrés sur l'humain et axés sur le client. Nous construisons avec les outils d'IA les plus récents chaque jour, et comme ces outils changent constamment, nous aussi : nous restons curieux et cherchons toujours la meilleure façon de faire. Notre équipe couvre la science des données et le ML, les systèmes distribués, la recherche et les systèmes de connaissance, et nous nous préoccupons de la manière dont les agents peuvent être véritablement utiles aux ingénieurs qui dépendent d'eux.
LE POSTE
En tant qu'Ingénieur Recherche Staff soutenant les évaluations d'agents et la post-formation, vous définirez comment NOMINAL mesure ses agents, pour les clients et pour nous-mêmes, et construirez le chemin des évaluations vers les modèles post-formés lorsque le matériel en aura besoin. Les évaluations passent en premier ; la post-formation suit lorsque le déploiement air-gapped ou le coût en justifient l'investissement.
💼 CE QUE VOUS FEREZ : *
- Construire des suites d'évaluation pour nos agents, la couche d'outils MCP et notre agent interne, basées sur des tâches matérielles réelles. *
- Inventer de nouveaux benchmarks pour les agents travaillant sur des données d'ingénierie physique, là où il n'en existe pas aujourd'hui. *
- Comparer nos agents à des agents de pointe en utilisant notre MCP, et montrer où et pourquoi les nôtres gagnent. *
- Construire l'infrastructure d'évaluation : jeux de données, évaluateurs basés sur des modèles et humains, et portes de régression en CI. *
- Transformer les évaluations en signaux de récompense et en données d'entraînement, et diriger la post-formation (fine-tuning, RL, distillation) lorsque nous avons besoin de modèles que nous pouvons exécuter partout, y compris dans des environnements air-gapped. *
- Définir la stratégie de NOMINAL pour la mesure et l'amélioration des modèles, en travaillant avec des experts en matériel sur ce que signifie "correct".
🚀 CE QUE VOUS APPORTEREZ : *
- 8+ années en ingénierie ou recherche ML, y compris des travaux d'évaluation ou de post-formation que vous avez dirigés en production. *
- Rigueur statistique : vous concevez des évaluations qui ne vous trompent pas, et vous savez quand une différence est réelle. *
- Expérience approfondie dans l'évaluation de LLM ou de systèmes d'agents, y compris les évaluations notées par modèle et leurs limites. *
- Expérience pratique en post-formation : fine-tuning, RL à partir de feedback, ou distillation sur des tâches réelles. *
- Le jugement nécessaire pour savoir quand mesurer, quand entraîner, et quand un meilleur prompt ou outil est la solution. *
- Un historique de définition de la direction technique au sein d'une équipe et d'élévation du niveau d'exigence pour les ingénieurs autour de vous. *
- Vous utilisez quotidiennement des agents de codage IA modernes (Claude Code, Cursor, Codex), et restez curieux et ouvert aux meilleures façons de travailler. Les outils changent constamment, et nous aussi.
⚡️ ATouts : *
- Vous avez construit des évaluations ou des post-formations dans un laboratoire de pointe ou une entreprise native d'IA. *
- Vous avez publié des benchmarks ou des méthodes d'évaluation que d'autres utilisent. *
- Vous avez entraîné ou servi des modèles open-weight dans des environnements restreints, sur site ou air-gapped. *
- Vous avez travaillé dans l'ingénierie de test, de fiabilité ou de vérification pour des systèmes physiques.
AVANTAGES/PRESTATIONS *
- 🏥 100% de couverture des assurances médicale, dentaire et vision *
- 🏖️ Congés payés et jours de maladie illimités *
- 🍽️ Déjeuner, snacks et café gratuits *
- 🚀 Allocation pour le développement professionnel *
- ✈️ Retraite annuelle de l'entreprise
Tous les candidats qualifiés recevront une considération pour l'emploi sans distinction de race, couleur, religion, sexe, orientation sexuelle, identité de genre ou origine nationale.
Exigences ITAR
Pour se conformer aux réglementations d'exportation du gouvernement américain, le candidat doit être (i) un citoyen ou un ressortissant américain, (ii) un résident permanent légal américain (également appelé titulaire d'une carte verte), (iii) un réfugié en vertu du 8 U.S.C. § 1157, ou (iv) un demandeur d'asile en vertu du 8 U.S.C. § 1158, ou être éligible pour obtenir les autorisations requises du Département d'État américain. En savoir plus sur l'ITAR ici pmddtc.state.gov/?id=ddtc_kb_article_page&sys_id=24d528fddbfc930044f9ff621f961987.
