AI Research Engineer (Multi-Modal Reinforcement Learning) - 100% Remote Worldwide — Tether Operations

Descrizione completa

Unisciti a Tether e dai forma al futuro della finanza digitale In Tether non stiamo solo costruendo prodotti, siamo pionieri di una rivoluzione finanziaria globale. Le nostre soluzioni all'avanguardia consentono alle aziende, dagli scambi e portafogli ai processori di pagamento e agli sportelli bancomat, di integrare perfettamente token garantiti da riserve attraverso blockchain. Sfruttando la potenza della tecnologia blockchain, Tether ti consente di archiviare, inviare e ricevere token digitali in modo istantaneo, sicuro e globale, il tutto a una frazione del costo. La trasparenza è il fondamento di tutto ciò che facciamo, garantendo fiducia in ogni transazione.

Innovare con Tether Tether Finance: la nostra suite di prodotti innovativa comprende la stablecoin più affidabile al mondo, USDT, su cui fanno affidamento centinaia di milioni di persone in tutto il mondo, insieme a servizi pionieristici di tokenizzazione delle risorse digitali.

Ma questo è solo l’inizio

Tether Power: guidando la crescita sostenibile, le nostre soluzioni energetiche ottimizzano l'energia in eccesso per il mining di Bitcoin utilizzando pratiche ecocompatibili in strutture all'avanguardia e geodiversificate. Tether Data: alimentando innovazioni nell'intelligenza artificiale e nella tecnologia peer-to-peer, riduciamo i costi dell'infrastruttura e miglioriamo le comunicazioni globali con soluzioni all'avanguardia come KEET, la nostra app di punta che ridefinisce la condivisione sicura e privata dei dati. Tether Education: democratizzando l’accesso all’apprendimento digitale di alto livello, consentiamo alle persone di prosperare nelle economie digitali e gig economy, guidando la crescita e le opportunità globali. Tether Evolution: all'intersezione tra tecnologia e potenziale umano, stiamo spingendo i confini di ciò che è possibile, creando un futuro in cui innovazione e capacità umane si fondono in modi potenti e senza precedenti.

Perché unirti a noi? Il nostro team è una potenza globale di talenti, che lavora in remoto da ogni angolo del mondo. Se la tua passione è lasciare il segno nel settore fintech, questa è la tua occasione per collaborare con alcune delle menti più brillanti, spingendo oltre i confini e stabilendo nuovi standard. Siamo cresciuti rapidamente, siamo rimasti snelli e ci siamo assicurati il ​​posto di leader nel settore. Se hai eccellenti capacità di comunicazione in inglese e sei pronto a contribuire alla piattaforma più innovativa del pianeta, Tether è il posto che fa per te. Sei pronto a far parte del futuro?

Riguardo al lavoro In qualità di membro del team del modello AI, guiderai l'innovazione nell'apprendimento per rinforzo multimodale per far avanzare i sistemi intelligenti di prossima generazione. Il tuo lavoro si concentrerà sull'ottimizzazione del processo decisionale e del comportamento adattivo attraverso modalità di dati integrate come testo, immagini e audio per fornire intelligenza avanzata, prestazioni robuste e capacità specifiche del dominio per le sfide del mondo reale. Svilupperai e scalerai tecniche di apprendimento per rinforzo all'interno di architetture multimodali complesse, inclusi modelli generativi basati sulla diffusione e modelli autoregressivi per la comprensione multimodale, nonché modelli efficienti in termini di risorse progettati per ambienti hardware vincolati. Ciò include la conduzione di ricerche sugli algoritmi di apprendimento per rinforzo per modelli multimodali, modelli di diffusione estesi per modelli autoregressivi di immagini per il ragionamento multimodale e strutture multimodali unificate. Ci si aspetta che tu abbia una profonda esperienza nella progettazione di sistemi di apprendimento di rinforzo multimodale e un forte background in architetture di modelli avanzati, con un approccio pratico e orientato alla ricerca per costruire e implementare nuovi algoritmi e quadri di formazione. Progetterai e svilupperai l'infrastruttura RL e le strategie di modellazione della ricompensa per consentire una formazione efficiente su larga scala, migliorare la stabilità della formazione e mitigare l'hacking della ricompensa e le relative modalità di fallimento. Le tue responsabilità includono anche la cura degli ambienti di simulazione multimodale e dei set di dati di formazione, il miglioramento delle prestazioni delle politiche di base attraverso le modalità e l'identificazione e la risoluzione dei colli di bottiglia nell'apprendimento multimodale e nell'ottimizzazione delle ricompense.

Inoltre, esplorerai i paradigmi di apprendimento per rinforzo di prossima generazione che apprendono in modo più diretto ed efficace dal feedback ambientale, con l'obiettivo di sbloccare prestazioni IA superiori e adattate al dominio in ambienti dinamici e reali.

Responsabilità

• Condurre ricerche sugli algoritmi di apprendimento per rinforzo per modelli multimodali, compresi approcci basati sulla diffusione per modelli autoregressivi di immagini per la comprensione multimodale e strutture unificate che integrano più modalità.
• Progettare e costruire un'infrastruttura di apprendimento per rinforzo che supporti una formazione scalabile e distribuita su sistemi multimodali mantenendo efficienza e affidabilità.
• Sviluppare e perfezionare strategie di modellazione delle ricompense che migliorano la stabilità della formazione, allineano il comportamento del modello con i risultati desiderati e mitigano l'hacking delle ricompense e le relative modalità di fallimento.
• Creare e curare ambienti e set di dati di simulazione multimodale per supportare una solida formazione, valutazione e benchmarking dei sistemi di apprendimento per rinforzo.
• Progettare e condurre rigorosi protocolli di benchmarking e valutazione per misurare le prestazioni del modello, tenere traccia dei progressi rispetto alle linee di base e convalidare i miglioramenti nelle attività multimodali.
• Analizzare e ottimizzare le prestazioni delle politiche attraverso le modalità identificando i colli di bottiglia nella formazione, nell'assegnazione dei crediti e nell'allineamento intermodale.
• Studiare e sviluppare paradigmi di apprendimento per rinforzo di prossima generazione che apprendono in modo più efficace dal feedback ambientale, con l'obiettivo di raggiungere prestazioni all'avanguardia (SOTA) superiori.
• Pubblicare i risultati della ricerca in conferenze di alto livello come ICML, NeurIPS, ICLR, CVPR, ICCV, ECCV ecc.
• È richiesto un Master in Informatica o un campo correlato; è preferibile un dottorato di ricerca in Machine Learning, PNL, Computer Vision o una disciplina strettamente correlata, insieme a una solida esperienza nella ricerca sull'intelligenza artificiale e nelle pubblicazioni in conferenze di alto livello.
• Comprovata esperienza nell'esecuzione di esperimenti di apprendimento per rinforzo su larga scala in sistemi multimodali e incentrati sulla visione, comprese le impostazioni RL online, con impatto dimostrato sul processo decisionale specifico del dominio e miglioramenti misurabili nelle prestazioni delle politiche.
• Comprensione approfondita degli algoritmi di apprendimento per rinforzo e dei metodi di ottimizzazione applicati alla visione e ai problemi di apprendimento multimodale, con particolare attenzione al miglioramento della stabilità delle politiche, dell'esplorazione e dell'efficienza dei campioni in ambienti complessi e ad alta dimensione che coinvolgono immagini, video e altre modalità.
• Ottima conoscenza di PyTorch e dei framework di deep learning per la visione e l'intelligenza artificiale multimodale, con esperienza pratica nella creazione di pipeline RL end-to-end che coprono simulazione, formazione, valutazione e implementazione in sistemi di produzione.
• Dimostrata capacità di applicare la ricerca empirica per risolvere le principali sfide RL in compiti multimodali e di visione, come l'inefficienza dei campioni, i compromessi esplorazione-sfruttamento e l'instabilità della formazione, insieme all'esperienza nella progettazione di solidi quadri di valutazione e nell'iterazione di miglioramenti algoritmici per migliorare le prestazioni degli agenti.
• Comprovata esperienza di pubblicazioni di ricerca in conferenze di alto livello come ICML, NeurIPS, ICLR, CVPR, ICCV, ECCV ecc.

Informazioni importanti per i candidati Le truffe relative al reclutamento sono diventate sempre più comuni. Per proteggerti, tieni presente quanto segue quando fai domanda per un ruolo:

• Candidati solo attraverso i nostri canali ufficiali. Non utilizziamo piattaforme o agenzie di terze parti per il reclutamento se non chiaramente indicato. Tutti i ruoli aperti sono elencati nella nostra pagina ufficiale delle carriere: https://tether.recruitee.com/
• Verificare l'identità del reclutatore. Tutti i nostri reclutatori hanno profili LinkedIn verificati. Se non sei sicuro, puoi confermare la loro identità controllando il loro profilo o contattandoci tramite il nostro sito web.
• Prestare attenzione ai metodi di comunicazione insoliti. Non conduciamo interviste tramite WhatsApp, Telegram o SMS. Tutte le comunicazioni avvengono tramite e-mail e piattaforme ufficiali dell'azienda.
• Ricontrolla gli indirizzi e-mail. Tutte le nostre comunicazioni arriveranno da e-mail che terminano con @ tether.to o @ tether.io
• Non richiederemo mai pagamenti o dettagli finanziari. Se qualcuno chiede informazioni finanziarie personali o un pagamento in qualsiasi momento durante il processo di assunzione, si tratta di una truffa. Per favore segnalatelo immediatamente.

In caso di dubbi, non esitate a contattarci tramite il nostro sito Web ufficiale.