AI Research Engineer (Model Compression & Quantization) — Tether Operations

Description complète

Joindre Tether et façonner l'avenir du financement numérique Chez Tether, nous ne sommes pas seulement des produits de construction, nous sommes pionniers d'une révolution financière mondiale. Nos solutions de pointe permettent aux entreprises – des échanges et des portefeuilles aux processeurs de paiement et aux distributeurs automatiques de billets – d'intégrer de façon transparente les jetons à l'aide de réserves dans toutes les chaînes de blocs. En exploitant la puissance de la technologie blockchain, Tether vous permet de stocker, d'envoyer et de recevoir des jetons numériques instantanément, en toute sécurité et globalement, le tout à une fraction du coût. La transparence est le fondement de tout ce que nous faisons, assurant la confiance dans chaque transaction.

Innover avec Tether Tether Finance: Notre suite de produits innovants dispose de la plus fiable écurie du monde, USDT, sur laquelle s'appuient des centaines de millions de personnes dans le monde entier, ainsi que des services de tokenisation numériques.

Mais c'est juste le début

Tether Power: moteur de la croissance durable, nos solutions énergétiques optimisent l'excès de puissance pour l'exploitation minière Bitcoin en utilisant des pratiques écologiques dans des installations géo-diverses à la fine pointe de la technologie. Tether Data: En alimentant les percées dans l'IA et la technologie pair à pair, nous réduisons les coûts d'infrastructure et améliorons les communications mondiales avec des solutions de pointe comme KEET , notre application phare qui redéfinit le partage de données sécurisé et privé. Tether Education : Démocratisation de l'accès à l'apprentissage numérique de haut niveau, nous autonomisons les individus à prospérer dans les économies du numérique et des concerts, favorisant la croissance mondiale et les opportunités. Évolution de l'enseignement : À l'intersection de la technologie et du potentiel humain, nous repoussons les limites de ce qui est possible, écrivant un avenir où l'innovation et les capacités humaines fusionnent de manière puissante et sans précédent.

Pourquoi nous rejoindre ? Notre équipe est une puissance mondiale de talent, travaillant à distance de tous les coins du monde. Si vous êtes passionné par la marque dans l'espace fintech, c'est l'occasion de collaborer avec certains des esprits les plus brillants, de repousser les frontières et de fixer de nouvelles normes. Nous avons grandi rapidement, sommes restés maigres et nous avons obtenu notre place de leader dans l'industrie. Si vous avez d'excellentes compétences en communication anglaise et êtes prêt à contribuer à la plateforme la plus innovante de la planète, Tether est l'endroit pour vous. Êtes-vous prêt à faire partie du futur ?

Sur le travail En tant que membre de notre équipe de recherche sur l'IA, vous piloterez l'innovation dans la compression des modèles et le déploiement efficace pour les systèmes d'IA multimodaux avancés, y compris les grands modèles de langage (LLM) et les modèles de langage de vision (VLM). Votre travail se concentrera sur la réduction de l'empreinte du modèle et des coûts de calcul tout en préservant la précision, permettant à l'IA haute performance de fonctionner efficacement sur les périphériques de bord à ressources limitées. Vous appliquerez et avancerez des techniques de compression telles que la quantification, la distillation des connaissances et la taille pour rationaliser les architectures multimodales complexes qui intègrent le texte, les images et l'audio. Nous espérons que vous aurez une expertise approfondie dans les méthodes de compression de modèles et un solide bagage dans les architectures de modèles multimodales. Vous adopterez une approche pratique axée sur la recherche pour développer, tester et mettre en œuvre de nouvelles stratégies de compression qui équilibrent la taille, la latence, le débit et la précision du modèle. Vos responsabilités comprennent la construction de pipelines de compression robustes, l'établissement de mesures de performance et de fidélité et la résolution des goulets d'étranglement dans l'inférence de production. L'objectif ultime est de fournir des systèmes AI évolutifs, à faible mémoire et à faible latence sur les périphériques de bord (c.-à-d. smartphones) qui maintiennent une haute fidélité et une valeur réelle tangible.

Responsabilités Diminuer les responsabilités clés en points. Il est utile de les rendre réalisables et mesurables. Cela pourrait également être groupé en catégories pour des rôles plus complexes.

• Appliquer une quantification à faible débit pour réduire la taille du modèle et la latence d'inférence pour les modèles générateurs d'IA (LLM, VLM, multimodal) tout en maintenant la précision et la qualité de sortie.
• Tirer parti de la distillation des connaissances pour transférer les capacités des plus grands modèles d'enseignants aux plus petits modèles d'élèves, permettant un raisonnement multimodal efficace à travers le texte, l'image et les entrées audio.
• Mettre en œuvre des techniques de taille pour éliminer les paramètres redondants et les têtes d'attention, en réduisant les frais généraux de calcul sans sacrifier la performance des tâches.
• Analyser les compromis entre l'efficacité du modèle (taille, latence, mémoire) et la précision des méthodes de quantification, de distillation et de taille; proposer des améliorations basées sur des résultats empiriques.
• Faire des recherches et appliquer une quantification de précision mixte et d'autres stratégies de compression avancées (p. ex. calendriers d'élagage adaptatifs, distillation avec correspondance intermédiaire) pour optimiser l'équilibre précision-performance.
• Restez à jour avec les dernières recherches sur la compression des modèles, y compris les techniques émergentes pour les architectures multimodales et génératrices.
• Documenter clairement les méthodologies, les expériences et les résultats pour appuyer la reproductibilité, la collaboration interne et la communication avec les intervenants.
• Auteur d'articles techniques et publication de conclusions dans des conférences de haut niveau (p. ex., NeurIPS, ICML, ICLR, CVPR, ACL, AAAI) pour faire progresser le domaine de la compression de modèles pour l'IA multimodale.

Énumérez les qualifications, les certifications et l'expérience nécessaires au rôle. Vous pouvez diviser cela en sections obligatoires et préférées si nécessaire.

• Diplôme en informatique ou domaine connexe. Idéalement, le doctorat en NLP, en apprentissage automatique ou dans un domaine connexe, complété par une solide expérience en R-D de l'IA (avec de bonnes publications dans des conférences A*).
• Expérience des cadres d'apprentissage en profondeur de PyTorch ou des cadres équivalents
• Expérience pratique de la quantification des modèles, y compris à la fois la Quantization-Aware Training (QAT) et la Quantization post-formation (PTQ).
• Recherche et expérience pratique de la distillation des connaissances pour la compression de grands modèles en modèles plus petits et efficaces.
• Recherche et expérience pratique de la taille des modèles pour la compression de grands modèles en modèles plus petits et efficaces.
• Compréhension solide des architectures de réseau neuronal et des processus de formation – y compris les transformateurs (p. ex., les LLM, les VLM), la rétropropagation, l'optimisation et les techniques de réglage fin.
• La familiarité avec C++ est un plus (surtout pour la mise en œuvre de noyaux de quantification de bas niveau ou des optimisations d'inférence).

Informations importantes pour les candidats Les escroqueries de recrutement sont devenues de plus en plus fréquentes. Pour vous protéger, veuillez garder à l'esprit ce qui suit au moment de postuler pour des rôles :

• Appliquer uniquement par nos canaux officiels. Nous n'utilisons pas de plates-formes ou d'agences tierces pour le recrutement, sauf indication claire. Tous les rôles ouverts sont énumérés sur notre page officielle des carrières : https://tether.recruitee.com/
• Vérifiez l'identité du recruteur. Tous nos recruteurs ont vérifié les profils LinkedIn. Si vous n'êtes pas sûr, vous pouvez confirmer leur identité en vérifiant leur profil ou en nous contactant via notre site Web.
• Méfiez-vous des méthodes de communication inhabituelles. Nous ne menons pas d'entrevues sur WhatsApp, Telegram ou SMS. Toute communication se fait au moyen de courriels et de plateformes officiels de l'entreprise.
• Vérifiez les adresses e-mail. Toute communication de nous viendra de courriels se terminant par @ tether.to ou @ tether.io
• Nous ne demanderons jamais de paiement ou de détails financiers. Si quelqu'un demande des renseignements financiers personnels ou un paiement à tout moment pendant le processus d'embauche, c'est une escroquerie. Veuillez le signaler immédiatement.

En cas de doute, n'hésitez pas à contacter notre site officiel.