Mitarbeiter / Principal Machine Learning Engineer, Serving - Schweiz

Über Inworld Inworld ist ein Forschungslabor von Spitzenforschern und Ingenieuren, das die weltweit besten Echtzeit-Sprachmodelle entwickelt. Heute sind unsere Modelle die #1-platzierten Echtzeit-Sprachmodelle der Welt. Sie werden verwendet, um die größten kundenorientierten KI-Anwendungen in Kategorien wie Gesundheit, Fitness, Lernen, Therapie, Begleiter, Kundenerfahrung und Medien zu ermöglichen; sie repräsentieren 100 Millionen Endnutzer. Unsere Arbeit umfasst Bereiche wie die Forschung und Entwicklung von State-of-the-Art-Modellen, die Optimierung von Echtzeitinferenz und die Erstellung von Best-in-Class-APIs und -Produkten, die es Entwicklern ermöglichen, ihre Nutzer zu involvieren. Wir haben mehr als 125 Mio. $ von Lightspeed, Section 32, Kleiner Perkins, Microsofts M12-Venture-Fonds, Founders Fund, Meta und Stanford sowie anderen erhalten. Unsere Technologie hat Erfahrungen von Unternehmen wie NVIDIA, Microsoft Xbox, Niantic, Logitech Streamlabs, Wishroll, Little Umbrella und Bible Chat ermöglicht. Wir wurden von CB Insights als eines der 100 vielversprechendsten KI-Unternehmen weltweit anerkannt und von LinkedIn zu einem der Top 10-Startups in den USA ernannt. Wer wir suchen Vor einem Jahr gab es zuverlässig arbeitende agente Systeme und sub-sekündige multimodale Inferenz im großen Maßstab kaum. Niemand hat hier ein Jahrzehnt Erfahrung. Wir suchen also nicht nach einem Lebenslaufsvorlagen — wir suchen nach starken Menschen aus unterschiedlichen Hintergründen, die schnell lernen, in Unsicherheit gedeihen und uns zeigen können, was sie gebaut, gebrochen und verstanden haben. Erfahrung, die wir nützlich finden Sie brauchen nicht alles davon. Aber Sie brauchen genug, um einen Fall zu machen. - Inferenzoptimierung. Tiefes Verständnis moderner Servicing-Frameworks und -Techniken wie vLLM oder TRT-LLM. - Modellbeschleunigung. Praktische Erfahrung mit Quantisierung, Destillation, Caching-Strategien, kontinuierlicher Batch-Verarbeitung, paged Attention und spekulativer Dekodierung. - Hochleistungs-Systeme. Kenntnisse in C++, CUDA, Rust oder hoch optimiertem Python. Sie wissen, wie man Code profilieren und jede Unze Leistung aus NVIDIA-GPUs herausholen kann. - Verteilte Systeme und Skalierung. Erfahrung mit Kubernetes, Ray, benutzerdefinierter Lastverteilung, Multi-GPU-/Multi-Node-Inferenz und zuverlässigem Umgang mit Tausenden von gleichzeitigen Verbindungen. - Öffentliche Arbeit. Nicht-triviale Systemprogrammierungsprojekte, Open-Source-Beiträge zu großen Inferenz-Engines oder tiefere technische Schreibungen. - Vollständige Verantwortung. Sie können ein Modell vom Forschungsteam übernehmen, containerisieren, dessen Servicing optimieren und sicherstellen, dass es zuverlässig in der Produktion läuft. - Hintergrund. PhD in CS, Physik, Mathematik oder äquivalente praktische Erfahrung beim Bau von Backend- oder ML-Systemen. - Berufliche Englischkenntnisse (schriftlich und mündlich) sind erforderlich, da Sie täglich mit unseren US-amerikanischen Führungskräften und Ingenieurteams zusammenarbeiten werden. Wer hier gedeiht - Sie brauchen keine Roadmap, um loszugehen; Sie sind es gewohnt, eine Richtung zu wählen und die Karte auf dem Weg zu bauen. - Sie glauben, dass Ingenieure nicht fertig sind, bis sie ausgeliefert und stabil sind. Sie haben eine Vorliebe für Auswirkungen gegenüber rein theoretischen Optimierungen. - Sie liefern nicht nur Code; Sie beschäftigen sich mit dem Warum. Sie sind der Erste, der eine Architektur in Frage stellt, wenn Sie denken, dass es eine bessere Möglichkeit gibt, das Kernlatenz- oder Durchsatzproblem zu lösen. - Sie sind nicht zufrieden mit "der PM sagte so." Sie gedeihen bei tiefem Kontext und wollen die grundlegende Logik hinter jeder Entscheidung verstehen, die wir treffen. Was die Arbeit hier bedeutet Wir übergeben Ihnen unklare Probleme und erwarten, dass Sie sie klar machen. Wir schätzen Ingenieure, die "Ich weiß noch nicht" sagen und dann das Benchmark oder das Prototyp entwerfen, das herausfindet. Wir behandeln Leistung, Latenz und Zuverlässigkeit als erste Produktfunktionen, nicht als ein Kästchen, das vor dem Start markiert werden muss. Der Auswirkung geht alles andere voraus, obwohl wir die Veröffentlichung von Arbeiten und Open-Source-Beiträgen unterstützen, die das Feld voranbringen. Ihre Arbeit sollte sichtbar sein. Flache Struktur, schnelle Iterationen, minimaler Prozess-Theater. Standort und Beschäftigung - Standort: remote innerhalb der Schweiz - Beschäftigungsart: Vollzeit, unbefristete Beschäftigung - Einstellungsmodell: Beschäftigung über Employer of Record (EOR) Bewerber müssen bereits die rechtliche Erlaubnis haben, in der Schweiz zu arbeiten, da für diese Position keine Visa-Sponsorship verfügbar ist. Für Bewerber, die an einer zukünftigen Umsiedlung in den San Francisco Bay Area interessiert sind, kann eine vollständige US-Visa- und Umzugsunterstützung verfügbar sein, vorbehaltlich der Geschäftsbedürfnisse und anwendbaren rechtlichen und arbeitsgenehmigungsanforderungen.