Über diese Stelle
Tus tareas Un modelo solo mejora en el trabajo que ha practicado. Los nuestros practican con miles de tareas inventadas: la cola de casos de un trabajador social que hay que clasificar, una hoja de cálculo que se niega a cuadrar, una política que hay que aplicar a un documento con un formato deficiente o un repositorio roto en un entorno aislado. Alguien tiene que crear esos mundos y, después, encontrar una forma honesta de comprobar si el modelo hizo el trabajo o solo lo pareció. Nos gustaría que fueras tú. En muchos sitios, el trabajo con entornos se considera fontanería para los investigadores «de verdad». Nosotros lo vemos al revés. La mayor parte de lo que nuestros modelos pueden hacer lo han aprendido de sus tareas. Así que trabajarías directamente con las personas que ejecutan el entrenamiento, verías lo que tus tareas hicieron al modelo en la siguiente ejecución y tendrías voz en lo que aprenderá después. En qué trabajarás Entornos para tareas largas y con múltiples pasos que implican herramientas, documentos y código. La materia prima es el trabajo diario de empresas y organismos públicos europeos, que resulta mucho más interesante cuando tiene que hacerlo un modelo. Generadores que convierten una buena idea para una tarea en miles de tareas, incluidas las difíciles. Querrás poder ajustar la dificultad y tener una forma de asegurarte de que el conjunto no esté discretamente lleno de duplicados o respuestas filtradas. Las comprobaciones que determinan si el trabajo se ha realizado: pruebas, comprobaciones del estado y evaluadores basados en rúbricas. Lo que sea que diga la verdad. Detectar cuándo el modelo hace trampas. Lees las trayectorias de ejecución, identificas el atajo que ha encontrado (encontrará alguno), lo cierras y creas controles de calidad para que sea más difícil engañar al siguiente entorno. Medir lo que un conjunto de tareas realmente hizo por el modelo y decir claramente cuáles conviene ampliar y cuáles descartar. Ayudar a decidir qué publicamos. Los entornos, los conjuntos de datos y los benchmarks forman parte de nuestros lanzamientos, empezando por el primero de código abierto, previsto para el primer trimestre de 2027. Tu perfil Has creado algo que haya entrenado o evaluado un LLM: un entorno, un benchmark, un framework de evaluación o un pipeline de datos. No somos exigentes con cuál. Enséñanoslo. Tienes buenos conocimientos de Python y hábitos sólidos de ingeniería. Los contenedores, los entornos aislados y el código asíncrono no te preocupan. Los errores que solo aparecen a escala te molestan, y te motivan a solucionarlos. Lees los datos. Muestras reales, trayectorias reales. Y vuelves con opiniones sobre lo que falla en ellos. Sabes qué hace que una tarea merezca usarse para entrenar: es realista, se puede verificar y es difícil de manipular. Escribes con suficiente claridad para que el resto podamos confiar en un resultado sin tener que volver a ejecutarlo. Vives en la UE y tienes permiso para trabajar aquí. Solo necesitas inglés; el alemán es un plus. Cosas que nos alegraría que tuvieras, pero que no son imprescindibles: experiencia en RL (entrenamiento de tipo GRPO o PPO, diseño de recompensas); conocimientos prácticos de un ámbito en el que los agentes realicen trabajo real, como el derecho, las finanzas, los seguros o la administración pública; infraestructura para entornos aislados (Docker, Firecracker, Kubernetes); contribuciones al código abierto. El alemán es útil en este puesto, porque muchas de nuestras tareas parten de procesos en alemán. ¿Por qué trabajar con nosotros? Lo que creas se usa para entrenar casi de inmediato y podrás ver qué efecto ha tenido. Las GPU solo son útiles en la medida en que lo sean las tareas en las que las usamos, así que, en la práctica, tu trabajo determina el techo del siguiente modelo. Además, una buena parte de ese trabajo se hace pública, como ocurrió con nuestras tareas de Terminal-Bench 4.0. Y somos un equipo pequeño: si el martes tienes una buena idea, nadie te pide que redactes una propuesta. Qué ofrecemos Trabajar desde cualquier lugar de la UE, idealmente desde Alemania. Capacidad de cálculo real: cientos de GPU a través de EuroHPC y de servicios comerciales de computación. Las herramientas de IA que faciliten tu trabajo, sin un interminable proceso de compras. Tu nombre en trabajos públicos. Nuestro primer lanzamiento de código abierto está previsto para el primer trimestre de 2027. Fundadores a los que puedes escribir directamente y un equipo de investigación del que merece la pena aprender. Una oficina si la quieres: en Bremen, junto al agua (sí, hay un barco, además de bebidas y batidos gratis), o en Berlín. seniority: con experiencia schedule: jornada completa employmentType: indefinido Ubicación del puesto: Bremen, Konsul-Smidt-Str. 8P, 28217, DE Ubicación del puesto: Berlín, 10119, DE #J-18808-Ljbffr