H-1BGreen card em andamento para este cargo
REG. 2082257
Engenheiro de Pesquisa, Infraestrutura, Sistemas RL
Thinking Machines Lab Inc.
- Local: San Francisco, CA
- Área: Tecnologia
- Visto provável: H-1B
- Vaga vista pela última vez em 18/07/2026
Engenheiro de pesquisa em San Francisco; empresa com 5 aprovações de LCA nos últimos 12 meses.
Cadastro grátis — o contato e o link oficial da vaga ficam no portal.
Descrição da vaga
Tradução automática do anúncio original do empregador.
<div class="content-intro"><p data-pm-slice="1 1 []"> A missão do Laboratório de Máquinas de Pensar é capacitar a humanidade através do avanço da inteligência geral colaborativa. Estamos construindo um futuro onde todos têm acesso ao conhecimento e ferramentas para fazer a IA funcionar para suas necessidades e objetivos únicos.
<p>Somos cientistas, engenheiros e construtores que criaram alguns dos produtos de IA mais usados, incluindo ChatGPT e Character.ai, modelos de pesos abertos como Mistral, bem como projetos populares de código aberto como PyTorch, OpenAI Gym, Fairseq e Segment Anything.</p></div><h2>Sobre o Papel</h2>
<p>Estamos procurando um engenheiro de pesquisa de infraestrutura para projetar e construir os sistemas centrais que permitam treinamento escalável e eficiente de grandes modelos através do aprendizado de reforço.</p>
<p> Este papel situa-se na intersecção da investigação e da engenharia de sistemas em larga escala: um construtor que compreende tanto os algoritmos por trás da RL como as realidades de formação distribuída e inferência em escala. Você usará muitos chapéus, desde otimizar a implantação e recompensar oleodutos até aumentar a confiabilidade, observação e orquestração, colaborando de perto com pesquisadores e equipes de infra para tornar o aprendizado de reforço estável, rápido e pronto para a produção.</p>
<p><em> Nota: Este é um "papel sempre verde" que mantemos aberto numa base contínua para expressar interesse. Recebemos muitas aplicações, e pode nem sempre haver um papel imediato que se alinha perfeitamente com sua experiência e habilidades. Ainda assim, encorajamos você a se candidatar. Revisamos continuamente os pedidos e contatamos os candidatos como novas oportunidades abertas. Você é bem-vindo para reaplicar se você tiver mais experiência, mas por favor evite aplicar mais de uma vez a cada 6 meses. Você também pode descobrir que colocamos postagens para papéis singulares para necessidades específicas separadas, projeto ou equipe. Nesses casos, você é bem-vindo para aplicar diretamente, além de um papel evergreen.</em></p>
<h2>O que você vai fazer</h2>
<ul>
<li>Desenhe, construa e otimize a infraestrutura que alimenta a aprendizagem de reforço em larga escala e as cargas de trabalho pós-treinamento.</li>
<li> Melhore a confiabilidade e escalabilidade do pipeline de treinamento de RL, cargas de trabalho distribuídas de RL e rendimento de treinamento.</li>
<li>Desenvolva ferramentas compartilhadas de monitoramento e observação para garantir tempo de serviço elevado, depurabilidade e reprodutibilidade para sistemas RL.</li>
Colaborar com pesquisadores para traduzir ideias algorítmicas em pipelines de treinamento de nível de produção.
<li> Construir infraestrutura de avaliação e benchmarking que mede o progresso do modelo sobre a utilidade, segurança e factualidade.</li>
<li>Publicar e compartilhar aprendizagens através de documentação interna, bibliotecas de código aberto ou relatórios técnicos que avançam no campo da infraestrutura de IA escalável.</li>
</ul>
<h2>Competências e Qualificações</h2>
<p>Qualificações mínimas:</p>
<ul>
<li> Grau de bachelor ou experiência equivalente em ciência da computação, engenharia elétrica, estatística, aprendizagem de máquinas, física, robótica ou similar.</li>
Competências de engenharia fortes, capacidade de contribuir com o desempenho, código mantendível e depuração em bases de código complexas</li>
<li>Compreensão das estruturas de aprendizagem profunda (por exemplo, PyTorch, JAX) e suas arquiteturas de sistema subjacentes.</li>
<li> Em um ambiente altamente colaborativo envolvendo muitos, diferentes parceiros interfuncionais e especialistas em assuntos.</li>
<li> Um viés para a ação com uma mentalidade para tomar iniciativa para trabalhar em diferentes pilhas e diferentes equipes onde você vê a oportunidade de se certificar de algo navios.</li>
</ul>
<p>Qualificações preferenciais — encorajamo-lo a candidatar-se se encontrar algumas, mas não todas estas:</p>
<ul>
<li>Experienciar treinamento ou apoiar modelos de linguagem em larga escala com dezenas de bilhões de parâmetros ou mais.</li>
<li>Experiência de trabalho com cargas de trabalho de aprendizagem de reforço (por exemplo, PPO, DPO, RLHF ou modelagem de recompensa).</li>
<li> Antecedentes em engenharia de alto desempenho ou confiabilidade — estruturas de treinamento distribuídas e orquestração de clusters (Kubernetes, Slurm).</li>
<li> Familiaridade com ferramentas de monitoramento e observação (Prometheus, Grafana, OpenTelemetry).</li>
<li>Contribuições para pesquisa ou infraestrutura ML em grande escala, frameworks de código aberto ou esforços internos de otimização de desempenho.</li>
</ul>
<h2>Logística</h2>
<ul>
Localização: Este papel é baseado em São Francisco, Califórnia.
<li>Compensação: Dependendo de antecedentes, habilidades e experiência, a faixa salarial anual esperada para esta posição é de $350,000 - $475.000 USD.</li>
<li>Visa patrocínio: Nós patrocinamos vistos. Embora não possamos garantir sucesso para cada candidato ou papel, se você é o ajuste certo, estamos comprometidos em trabalhar através do processo de visto juntos.</li>
Benefícios: A Thinking Machines oferece benefícios de saúde, odontologia e visão generosos, PTO ilimitado, licença parental paga e apoio de relocação conforme necessário.
</ul><div class="content-conclusion"><p><em> Conforme estabelecido na política de igualdade de oportunidades de emprego das Máquinas de Pensar, não discriminamos com base em qualquer estatuto de grupo protegido ao abrigo de qualquer lei aplicável. </em></p>
<p><em> O Laboratório de Máquinas de Pensar considerará para candidatos qualificados para o emprego com histórico criminal de uma forma consistente com os requisitos da lei de chance justa da Califórnia, a Portaria de chance justa de São Francisco, e qualquer outra lei ou lei de chance justa aplicável do estado ou local.</em></p></div>
Ver o texto original em inglês
<div class="content-intro"><p data-pm-slice="1 1 []">Thinking Machines Lab's mission is to empower humanity through advancing collaborative general intelligence. We're building a future where everyone has access to the knowledge and tools to make AI work for their unique needs and goals. </p>
<p>We are scientists, engineers, and builders who’ve created some of the most widely used AI products, including ChatGPT and Character.ai, open-weights models like Mistral, as well as popular open source projects like PyTorch, OpenAI Gym, Fairseq, and Segment Anything.</p></div><h2>About the Role</h2>
<p>We’re looking for an infrastructure research engineer to design and build the core systems that enable scalable, efficient training of large models through reinforcement learning.</p>
<p>This role sits at the intersection of research and large-scale systems engineering: a builder who understands both the algorithms behind RL and the realities of distributed training and inference at scale. You’ll wear many hats, from optimizing rollout and reward pipelines to enhancing reliability, observability, and orchestration, collaborating closely with researchers and infra teams to make reinforcement learning stable, fast, and production-ready.</p>
<p><em>Note: This is an "evergreen role" that we keep open on an on-going basis to express interest. We receive many applications, and there may not always be an immediate role that aligns perfectly with your experience and skills. Still, we encourage you to apply. We continuously review applications and reach out to applicants as new opportunities open. You are welcome to reapply if you get more experience, but please avoid applying more than once every 6 months. You may also find that we put up postings for singular roles for separate, project or team specific needs. In those cases, you're welcome to apply directly in addition to an evergreen role.</em></p>
<h2>What You’ll Do</h2>
<ul>
<li>Design, build, and optimize the infrastructure that powers large-scale reinforcement learning and post-training workloads.</li>
<li>Improve the reliability and scalability of RL training pipeline, distributed RL workloads, and training throughput.</li>
<li>Develop shared monitoring and observability tools to ensure high uptime, debuggability, and reproducibility for RL systems.</li>
<li>Collaborate with researchers to translate algorithmic ideas into production-grade training pipelines.</li>
<li>Build evaluation and benchmarking infrastructure that measures model progress on helpfulness, safety, and factuality.</li>
<li>Publish and share learnings through internal documentation, open-source libraries, or technical reports that advance the field of scalable AI infrastructure.</li>
</ul>
<h2>Skills and Qualifications</h2>
<p>Minimum qualifications:</p>
<ul>
<li>Bachelor’s degree or equivalent experience in computer science, electrical engineering, statistics, machine learning, physics, robotics, or similar.</li>
<li>Strong engineering skills, ability to contribute performant, maintainable code and debug in complex codebases</li>
<li>Understanding of deep learning frameworks (e.g., PyTorch, JAX) and their underlying system architectures.</li>
<li>Thrive in a highly collaborative environment involving many, different cross-functional partners and subject matter experts.</li>
<li>A bias for action with a mindset to take initiative to work across different stacks and different teams where you spot the opportunity to make sure something ships.</li>
</ul>
<p>Preferred qualifications — we encourage you to apply if you meet some but not all of these:</p>
<ul>
<li>Experience training or supporting large-scale language models with tens of billions of parameters or more.</li>
<li>Experience working with reinforcement learning workloads (e.g., PPO, DPO, RLHF, or reward modeling).</li>
<li>Background in high-performance or reliability engineering — distributed training frameworks and cluster orchestration (Kubernetes, Slurm).</li>
<li>Familiarity with monitoring and observability tools (Prometheus, Grafana, OpenTelemetry).</li>
<li>Contributions to large-scale ML research or infrastructure, open-source frameworks, or internal performance optimization efforts.</li>
</ul>
<h2>Logistics</h2>
<ul>
<li>Location: This role is based in San Francisco, California. </li>
<li>Compensation: Depending on background, skills and experience, the expected annual salary range for this position is $350,000 - $475,000 USD.</li>
<li>Visa sponsorship: We sponsor visas. While we can't guarantee success for every candidate or role, if you're the right fit, we're committed to working through the visa process together.</li>
<li>Benefits: Thinking Machines offers generous health, dental, and vision benefits, unlimited PTO, paid parental leave, and relocation support as needed.</li>
</ul><div class="content-conclusion"><p><em>As set forth in Thinking Machines' Equal Employment Opportunity policy, we do not discriminate on the basis of any protected group status under any applicable law. </em></p>
<p><em>Thinking Machines Lab will consider for employment qualified applicants with criminal histories in a manner consistent with the requirements of the California Fair Chance Act, the San Francisco Fair Chance Ordinance, and any other applicable state or local fair chance ordinance or law.</em></p></div>
Cadastro grátis — o contato e o link oficial da vaga ficam no portal.