Investigación en IA

Investigador/a de IA

Sobre Vetto

Vetto construye la infraestructura para los datos de entrenamiento de IA de próxima generación. Colaboramos con los mejores laboratorios de IA del mundo para ampliar la frontera de lo que pueden hacer los modelos, diseñando, recopilando y entregando datos de entrenamiento de la más alta calidad para los problemas más difíciles de la IA.

Los investigadores de IA en Vetto averiguan cómo enseñar nuevas capacidades a los modelos y cómo determinar si funcionó. Diseñarás conjuntos de datos y evaluaciones, realizarás experimentos, estudiarás los fallos de los modelos y convertirás lo aprendido en mejores datos y estrategias de entrenamiento.

La mayor parte de nuestro trabajo está orientado a la evaluación, con algo de ajuste fino y post-entrenamiento utilizados para validar hipótesis de investigación. No se espera que construyas la infraestructura por tu cuenta: trabajarás con un equipo de ingeniería que desarrolla las plataformas y herramientas que sustentan la investigación. Aun así, debes sentirte cómodo escribiendo código, analizando datos y haciendo avanzar tus propios experimentos.

¿Por qué Vetto?

• Propiedad de principio a fin. Llevarás preguntas de investigación desde una idea inicial hasta un conjunto de datos, un benchmark, un experimento y una conclusión útil.
• Colaboración directa con los mejores laboratorios de IA. Tu trabajo ayudará a los equipos de vanguardia a entender sus modelos y a decidir qué datos o enfoque de entrenamiento probar a continuación.
• Trabajo que se utiliza. Tu investigación puede convertirse en datos de entrenamiento, evaluaciones, informes técnicos, benchmarks abiertos y artículos científicos publicados.
• Una amplia variedad de problemas difíciles. Según el proyecto, podrías trabajar en agentes, evaluaciones de modelos, datos humanos o sintéticos, análisis de fallos o post-entrenamiento.
• Equipo ágil y horizontal. Lanzarás experimentos en días, no en trimestres.

Qué harás

• Diseñar y ejecutar experimentos para entender el comportamiento de los modelos, probar nuevas ideas y determinar si un conjunto de datos o una intervención de entrenamiento realmente funciona.
• Usar experimentos de ajuste fino y post-entrenamiento cuando sea útil para validar hipótesis de investigación y medir mejoras en las capacidades que nos importan.
• Crear conjuntos de datos, benchmarks, entornos para agentes, rúbricas y métodos de evaluación para problemas que hoy no están bien medidos.
• Trabajar directamente con laboratorios de IA y socios empresariales para convertir objetivos abiertos de desarrollo de modelos en proyectos concretos de investigación y datos.
• Analizar en profundidad las salidas y trayectorias de los modelos para entender modos de fallo sistemáticos y distinguir las limitaciones del modelo de los problemas en los datos, el evaluador o la configuración de la evaluación.
• Escribir código de análisis y construir herramientas ligeras o prototipos para tu propio trabajo, con apoyo de los ingenieros cuando un flujo de trabajo deba convertirse en infraestructura fiable.
• Compartir lo que aprendes mediante informes técnicos claros, discusiones internas, benchmarks y artículos de investigación.

Qué buscamos

Imprescindible:

• Experiencia en investigación empírica o en trabajo técnico abierto similar con sistemas de aprendizaje automático.
• Experiencia práctica diseñando y ejecutando sistemas agentivos para trabajos complejos, como agentes de programación y pipelines de investigación automatizada.
• Buen criterio experimental: sabes formular una hipótesis, elegir líneas base y métricas útiles, ejecutar un experimento cuidadoso e interpretar resultados ruidosos.
• Sólidas habilidades en Python y análisis de datos, además de suficiente capacidad de ingeniería de software para prototipar tus propios flujos de investigación.
• Independencia para tomar una pregunta ambigua sobre un modelo y convertirla en un conjunto de datos, un benchmark, un experimento u otra contribución concreta.
• Pensamiento analítico riguroso: examinas la evidencia subyacente, detectas modos de fallo sutiles y cuestionas resultados que parecen demasiado simples o demasiado buenos para ser ciertos.
• Excelente comunicación escrita y oral con investigadores, ingenieros, clientes y personas no especialistas.
• Comodidad con la ambigüedad, la iteración rápida, prioridades cambiantes y el trabajo ocasional en despliegue directo con equipos socios.

Valorable:

• Experiencia investigadora o en la industria en evaluación de LLM, post-entrenamiento, agentes, datos humanos o sintéticos, alineación o seguridad de la IA.
• Experiencia diseñando conjuntos de datos o benchmarks, validando la calidad de anotaciones o trabajando con grandes colecciones de salidas y trayectorias de modelos.
• Investigaciones publicadas, escritura técnica, contribuciones de código abierto o proyectos independientes sólidos.
• Experiencia construyendo o gestionando flujos de retroalimentación humana.
• Formación en ciencia cognitiva, lingüística, filosofía, estadística u otro campo que te ayude a pensar con claridad sobre la evaluación.
• Experiencia en un laboratorio de IA, una empresa de datos para IA o en un puesto de investigación orientado a socios.

Valoramos más la evidencia de un trabajo excelente que cualquier título concreto. Un posgrado, publicaciones, experiencia en laboratorio, trabajo de código abierto, investigación independiente y experiencia en ingeniería de producción son señales útiles, pero ninguna es un requisito por sí sola.

Qué ofrecemos

• Compensación competitiva y plan de opciones sobre acciones.
• Trabajo global y remoto por defecto, con flexibilidad y encuentros presenciales periódicos cada pocos meses.
• Colaboración directa con laboratorios de IA de vanguardia en desafíos de evaluación, datos y post-entrenamiento.
• Alta autonomía y crecimiento profesional rápido en un equipo de la etapa fundacional.

Ubicación: Global / Remoto, con encuentros presenciales periódicos cada pocos meses

Reporta a: Cofundadores

Publicado originalmente en Himalayas