H-1BGreen card em andamento para este cargo
REG. 2082260
Pesquisa, Pós-Treinamento
Thinking Machines Lab Inc.
- Local: San Francisco, CA
- Área: Ciências & Pesquisa
- Visto provável: H-1B
- Vaga vista pela última vez em 18/07/2026
Cargo 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>
O papel dos pesquisadores pós-treinamento está no cerne do nosso roteiro. Esta é a ponte crítica entre a inteligência de modelo bruto e um sistema que é realmente útil, seguro e colaborativo para humanos.</p>
<p> Este papel combina investigação fundamental e engenharia prática, uma vez que não distinguimos internamente entre os dois papéis. Espera-se que você escreva código de alto desempenho e leia relatórios técnicos. É um excelente ajuste para alguém que gosta de exploração teórica profunda e experimentação prática, e que quer moldar as bases de como a IA aprende.</p>
<p><em> Nota: Este é um "papel sempre verde" que mantemos aberto em uma base contínua para expressar interesse nesta área de pesquisa. 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><forte>Desenvolva e ajuste a receita:</forte> iterar em receitas pós-treinamento, consistindo em uma coleção de conjuntos de dados, estágios de treinamento e hiperparâmetros. Meça como as escolhas de receita afetam várias métricas.</li>
<li><forte> Iterar nas avaliações: </forte>pós-treinamento envolve um ciclo interminável de definir um conjunto de avaliações, otimizá-las, e então perceber suas avaliações existentes não capturam o que importa. Você será responsável por fazer os números subirem e garantir que os números sejam significativos.</li>
<li><forte> Depurar e entender: </forte>enquanto afinamos os detalhes de uma configuração de treinamento, muitas vezes observamos resultados que não fazem muito sentido. Você será responsável por fazer as coisas funcionarem, e desenvolver uma compreensão mais profunda, que podemos trazer para o próximo problema.</li>
<li><forte> Escalar e explorar: </forte>pós-treino envolverá uma combinação de escalar as metodologias existentes e desenvolver novas. Queremos tanto medir como as métricas de desempenho escalam com o tamanho do conjunto de dados, e explorar usando um tipo completamente diferente de conjunto de dados de treinamento.</li>
<li><forte> Publicar e apresentar pesquisas que impulsionam toda a comunidade.</forte> Compartilhe código, conjuntos de dados e insights que aceleram o progresso em toda a indústria e academia.</li>
</ul>
<h2>Competências e Qualificações</h2>
<p><forte>Qualificações mínimas:</forte></p>
<ul>
<li> Proficiência em Python e familiaridade com pelo menos uma estrutura de aprendizagem profunda (por exemplo, PyTorch, TensorFlow, ou JAX). Confortável com o treinamento distribuído de depuração e código de escrita que escala.</li>
<li> Grau de bachelor ou experiência equivalente em Ciência da Computação, Aprendizagem de Máquinas, Física, Matemática, ou uma disciplina relacionada com forte fundamentação teórica e empírica.</li>
<li>Claridade na comunicação, uma capacidade de explicar conceitos técnicos complexos por escrito.</li>
</ul>
<p><forte> Qualificações preferenciais — encorajamo-lo a candidatar-se mesmo que não satisfaça todas as qualificações preferenciais, mas pelo menos algumas:</forte></p>
<ul>
<li> Uma forte compreensão dos fundamentos de probabilidade, estatística e ML. Você pode olhar para dados experimentais e distinguir entre efeitos reais, ruído e bugs.</li>
<li>Experiência anterior com RLHF, RLAIF, modelagem de preferência, ou aprendizagem de recompensa para grandes modelos.</li>
<li>Experiência gerenciando ou analisando campanhas de coleta de dados em humanos ou fluxos de trabalho de anotações em larga escala.</li>
<li>Contribuições de pesquisa ou engenharia em alinhamento, IA centrada em dados ou colaboração humana-AI.</li>
<li>PhD em Ciência da Computação, Aprendizado de Máquinas, Física, Matemática, ou uma disciplina relacionada com forte fundamentação teórica e empírica; ou, experiência equivalente de pesquisa da indústria.</li>
</ul>
<h2>Logística</h2>
<ul>
<li><forte>Localização: </forte> Este papel é baseado em São Francisco, Califórnia.
<li><forte>Compensação:</forte> Dependendo de antecedentes, habilidades e experiência, a faixa salarial anual esperada para esta posição é <span data-sheets-root="1">$350.000 - $475.000</span> USD.</li>
<li><forte>Visa patrocínio: </forte> 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>
<li><forte>Benefícios: </forte> O Thinking Machines oferece benefícios de saúde, odontologia e visão generosos, PTO ilimitado, licença parental paga e apoio de relocação conforme necessário.</li>
</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>The role of post-training researchers sits at the core of our roadmap. This is the critical bridge between raw model intelligence and a system that is actually useful, safe, and collaborative for humans.</p>
<p>This role blends fundamental research and practical engineering, as we do not distinguish between the two roles internally. You will be expected to write high-performance code and read technical reports. It’s an excellent fit for someone who enjoys both deep theoretical exploration and hands-on experimentation, and who wants to shape the foundations of how AI learns.</p>
<p><em>Note: This is an "evergreen role" that we keep open on an on-going basis to express interest in this research area. 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><strong>Develop and tune the recipe:</strong> iterate on post-training recipes, consisting of a collection of datasets, training stages, and hyperparameters. Measure how recipe choices affect various metrics.</li>
<li><strong>Iterate on evals: </strong>post-training involves a never-ending loop of defining a set of evaluations, optimizing them, and then realizing your existing evals don’t capture what matters. You’ll be responsible for both making numbers go up, and making sure the numbers are meaningful.</li>
<li><strong>Debug and understand: </strong>while tuning the details of a training configuration, we often observe results that don’t quite make sense. You’ll be responsible for both getting things to work, and developing a deeper understanding, which we can bring to the next problem.</li>
<li><strong>Scale and explore: </strong>post-training will involve a combination of scaling the existing methodologies and developing new ones. We’ll want to both measure how performance metrics scale with dataset size, and explore using a completely different kind of training dataset.</li>
<li><strong>Publish and present research that moves the entire community forward.</strong> Share code, datasets, and insights that accelerate progress across industry and academia.</li>
</ul>
<h2>Skills and Qualifications</h2>
<p><strong>Minimum qualifications:</strong></p>
<ul>
<li>Proficiency in Python and familiarity with at least one deep learning framework (e.g., PyTorch, TensorFlow, or JAX). Comfortable with debugging distributed training and writing code that scales.</li>
<li>Bachelor’s degree or equivalent experience in Computer Science, Machine Learning, Physics, Mathematics, or a related discipline with strong theoretical and empirical grounding.</li>
<li>Clarity in communication, an ability to explain complex technical concepts in writing.</li>
</ul>
<p><strong>Preferred qualifications — we encourage you to apply even if you don’t meet all preferred qualifications, but at least some:</strong></p>
<ul>
<li>A strong grasp of probability, statistics, and ML fundamentals. You can look at experimental data and distinguish between real effects, noise, and bugs.</li>
<li>Prior experience with RLHF, RLAIF, preference modeling, or reward learning for large models.</li>
<li>Experience managing or analyzing human data collection campaigns or large-scale annotation workflows.</li>
<li>Research or engineering contributions in alignment, data-centric AI, or human-AI collaboration.</li>
<li>PhD in Computer Science, Machine Learning, Physics, Mathematics, or a related discipline with strong theoretical and empirical grounding; or, equivalent industry research experience.</li>
</ul>
<h2>Logistics</h2>
<ul>
<li><strong>Location: </strong>This role is based in San Francisco, California. </li>
<li><strong>Compensation:</strong> Depending on background, skills and experience, the expected annual salary range for this position is <span data-sheets-root="1">$350,000 - $475,000</span> USD.</li>
<li><strong>Visa sponsorship: </strong>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><strong>Benefits: </strong>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.