Mitglied des technischen Teams – AI-Forschungsingenieur (Image/Video-Grundmodell)

ÜBER GENPEACH AI GenPeach AI ist ein produktgetriebenes Forschungslabor, das vertikale multimodale Grundmodelle für hyperrealistische menschliche Generierung in Bild und Video entwickelt – konzipiert für emotionale, menschenzentrierte KI-Erfahrungen. Unser Ziel ist es, Tools zu erstellen, die die menschliche Kreativität verstärken, anstatt sie zu ersetzen. Wir trainieren Modelle von Grund auf: proprietäre Datensätze im großen Maßstab, neue Architekturen und Trainingsrezepte, große GPU-Cluster und enge Produktintegration, damit Forschungsergebnisse schnell an Benutzer geliefert werden. Wir sind ein tief technisches Team von etwa 10 Personen. Wir werden von Direktoren von Google DeepMind beraten und von führenden AI-fokussierten Fonds und Engeln von OpenAI, Meta AI, Microsoft AI, Project Prometheus und Fal unterstützt. Kollektiv haben unser Team, unsere Berater und Engel zu Modellen wie Meta's Imagine/MovieGen und der Grundmodell-Arbeit hinter OpenAI's Sora beigetragen, sowie Google's Veo und Gemini. ÜBER DAS TEAM Sie werden dem Forschungsteam beitreten, das an Bild-/Video-Generierung und multimodalem Verständnis arbeitet. Sie werden eng mit anderen Forschungsingenieuren und Wissenschaftlern sowie mit den Gründern zusammenarbeiten und helfen, Forschung in skalierbare Trainingsläufe, starke Evaluierungen und produktionsreife Systeme umzusetzen. ÜBER DIE ROLLE Wir suchen einen AI-Forschungsingenieur, der uns hilft, GenPeachs Grundmodelle von Anfang bis Ende aufzubauen und zu skalieren – von der Implementierung neuer Modellideen und Trainingsrezepte bis hin zur Übernahme der Teile des Trainingsstacks, die die Qualität und Geschwindigkeit bestimmen, und bis hin zum Durchsetzen von Modellen durch Produktionsbeschränkungen. Diese Rolle ist hands-on und bietet eine hohe Eigenverantwortung. Sie werden Forschungscode schreiben, der zu produktionskritischen Code wird. IN DIESER ROLLE WERDEN SIE - Bild-/Video-Generierungsmodellideen implementieren und iterieren (Architektur, Verluste, Konditionierung, Sampling, Vorverarbeitung, Destillation, Nachverarbeitung) - Die Trainingsleistung von Anfang bis Ende besitzen (verteiltes Training, Durchsatz, Speicher, Stabilität, Fehlersuche bei Skalierungsfehlern) - Den Experimentierungszyklus aufbauen (Evaluierungen, Ablationen, Reproduzierbarkeitstooling, Berichterstattung, Entscheidungshygiene) - VLMs für Bild-/Video-Beschriftung aufbauen und verbessern (Datenrezepte, Trainingsstrategien, Modellvarianten, Evaluierung) - Hochiterationale Forschung durchführen: Papiere lesen, wenn nützlich, Ideen implementieren, empirisch validieren - Beschriftungspipelines erstellen, die die Trainings- und Produktqualität verbessern - Mit Inference/Produkt zusammenarbeiten, um unter realen Beschränkungen zu liefern (Latenz, Kosten, Zuverlässigkeit, Rolloutsicherheit) Demos und Prototypen erstellen, um Fähigkeiten zu präsentieren und die Iteration zu beschleunigen SIE KÖNNEN IN DIESER ROLLE GEDIEHEN, WENN SIE - Die Handwerkskunst der Experimentierung lieben: schnelle Iteration, klare Ablationen, starke Evaluierungen und ehrliche Schlussfolgerungen - Das Debuggen von chaotischen realen Trainingsläufen genießen (nicht nur saubere Demos) - Sich zwischen Forschung und Ingenieurwesen bewegen können: sauberen Code schreiben, Utilities ausliefern und das Teamtempo verbessern - Die Eigenverantwortung über Ihre Jobbeschreibung hinaus übernehmen, wenn erforderlich (Startup-Realität) - Klar kommunizieren und in einem kleinen, senioren Team gut zusammenarbeiten MINDESTQUALIFIKATIONEN - Starke Python- und PyTorch-Fähigkeiten (4+ Jahre Erfahrung) - Erfahrung mit der Implementierung und dem Training von Deep-Learning-Modellen (generative Modelle, VLMs, LLMs, Vision/Video oder angrenzende Bereiche) - Solides Verständnis von Trainingsdynamiken, Optimierung und praktischer Fehlersuche - Fähigkeit, Projekte von Anfang bis Ende mit minimaler Aufsicht zu treiben BEVORZUGTE QUALIFIKATIONEN - Praktische Erfahrung mit Diffusions-/Fluss-basierten Bild- oder Video-Generierung oder großem Maßstab generativer Modellierung in angrenzenden Bereichen - Erfahrung mit verteilter Trainingsarbeit im großen Maßstab (Multi-Node) und Leistungsoptimierung (Durchsatz/Speicher) - Erfahrung mit dem Aufbau von Evaluierungsframeworks (Offline-Metriken + menschliche Evaluierung + Regressionsverfolgung) - Starke Intuition für Datenqualität und Datensatz-/Beschriftungskompromisse für Training und Beschriftung - Veröffentlichungen sind ein Plus, aber gelieferte Auswirkungen und starke technische Beweise sind wichtiger WAS DIESER ROLLE EINZIGARTIG MACHT - Aufbau von Grenzmodellen für Bild und Video und der VLM-Beschriftungssysteme, die sie antreiben - Beitreten eines leanen, senioren Teams, das einen hohen Ingenieurs- und Forschungsstandard hält - Direkte Produktwirkung: Ihre Trainingsläufe werden zu realen benutzerorientierten Fähigkeiten - Benchmark gegen die Besten der Welt und Wettbewerb um Modellqualität durch das, was wir liefern WIE WIR ARBEITEN - Sie besitzen Ergebnisse von Anfang bis Ende und sind mit realer Verantwortung betraut - Direkte, egolose Kommunikation und schnelle Feedback-Schleifen - Voreingenommenheit für Auswirkungen: messen → iterieren → liefern - Forschungsdiziplin: klare Ablationen, Reproduzierbarkeit und knappe Entscheidungsfindung LOGISTIK - Standort: Zürich (Schweiz) oder Warschau (Polen) — vor Ort oder hybrid. Wenn Sie woanders sind, sind wir für Remote-Arbeit (Team/Zeitzone-Übereinstimmung berücksichtigt) offen. - Vergütung: wettbewerbsfähiges Gehalt + bedeutende Beteiligung (abhängig vom Level) - Bewerbungsprozess: schnelle Vorauswahl → 2x technische Runden (praktisch + System) → Team-Fit/Werte WAS WIR BIE TEN - Visasponsorship (wo anwendbar); wir werden eine starke Anstrengung unternehmen, Sie in die Schweiz oder Polen umzusiedeln, wenn gewünscht - Remote-freundlich: vollständig remote, h