Member of Technical Staff, Applied Research

WER WIR SIND Odyssey https://odyssey.ml ist ein KI-Labor, das wegweisende allgemeine Weltmodelle entwickelt: kausale, multimodale Systeme, die lernen, die Welt über lange Horizonte hinweg vorherzusagen und mit ihr zu interagieren. Diese grundlegende Technologie verspricht, die Bereiche Robotik, Wissenschaft, Gesundheitswesen, Bildung, Gaming, Verteidigung und darüber hinaus zu revolutionieren. Die Gründer von Odyssey haben zuvor die komplexeste Anwendung von physischer KI vorangetrieben: selbstfahrende Autos. Sie haben nun ein erstklassiges Forschungsteam von DeepMind, Tesla, Waymo, Meta, Apple und Wayve zusammengebracht, die maßgebliche Beiträge zu Sprachmodellen (DeepMind Gemini), Videomodellen (DeepMind Veo), Weltmodellen (Wayve GAIA) und autonomen Systemen (Tesla FSD) geleistet haben. Odyssey hat erhebliches Risikokapital von GV, Amazon, AMD, EQT, NVIDIA, Natural Capital, In-Q-Tel, Elad Gil, Jeff Dean, Guillermo Rauch, Garry Tan, Kyle Vogt und Forschern von OpenAI, DeepMind, MSL, Recursive und Thinking Machines eingeworben. WAS WIR SUCHEN Wir stellen hochgradig technisch versiertes Personal ein, das in den Bereichen Weltmodelle, Videogenerierung, Multimodalität, Robotik, autonome Fahrzeuge und angrenzenden Feldern arbeitet. Applied Research ist der Ort, an dem die Modelle auf reale Anwendungen treffen. Egal, ob Sie von Grund auf neu entwickeln, Trainingsläufe skalieren oder an der Inferenz arbeiten – wir stellen Menschen ein, die eine Idee aufgreifen und sie Wirklichkeit werden lassen können. WAS SIE TUN WERDEN - Die Fähigkeiten von Weltmodellen über das hinaus erweitern, wo aktuelle Diffusion- und Transformer-Ansätze aufhören, mit einem Schwerpunkt auf Conditioning und Kontrolle. Dies könnte neue Architekturen, neue Trainingsparadigmen oder neue Wege zur Darstellung von Zeit, Dynamik und Interaktion bedeuten. - Die Conditioning-Methoden und Steuerungsrichtlinien (Control Policies) trainieren, die echte Handhabung der Generierung ermöglichen: Aktion, Kamera, Physik, Stil und die über lange Horizonte konsistente Kohärenz, die alles zusammenhält. - Ideen von der Hypothese über das Experiment bis zum funktionierenden Prototyp führen, basierend auf einer konkreten Anwendung. - Experimente, verteiltes Training und Inferenzsysteme entwerfen und betreiben, die Durchbrüche ermöglichen, und die Ergebnisse in Modelle überführen, die reale Nutzer verwenden. - Definieren, was „steuerbar“ in messbaren Begriffen bedeutet. Evaluierungen (Evals) bauen, die uns sagen, ob eine Methode in den Anwendungen, für die sie bestimmt ist, Bestand hat und nicht nur in einem separaten Datensatz. - Schulter an Schulter in den Bereichen Forschung, Engineering und Produkt arbeiten. Starke Arbeit wird hier von allen Seiten als deren eigene anerkannt. - Zur wissenschaftlichen und technischen Kultur des Labors beitragen: dort publizieren, wo es zählt, Werkzeuge bauen, die über das Projekt hinaus Bestand haben, und sich mit der breiteren Community engagieren, die dieses Feld prägt. WER SIE SIND - Tiefgreifend technisch versiert, mit einer Erfolgsbilanz in Weltmodellen, generativer Modellierung, Video, multimodaler Lernverfahren, großskaligen ML-Systemen oder angrenzenden Bereichen. Erfahrung mit Conditioning, Steuerbarkeit oder gelernten Steuerungsrichtlinien ist ein starkes Signal. Sie haben entweder Arbeit geleistet, die das Feld vorangebracht hat, Systeme in großem Maßstab veröffentlicht haben oder beides. - Sicher im Arbeiten nach First Principles. Sie können ein Problem definieren, Experimente zu dessen Test entwerfen und das minimale System bauen, das beweist, was möglich ist. - Versiert in der Überbrückung der Lücke zwischen Forschung und Anwendung. Es ist Ihnen wichtig, wie und warum Modelle funktionieren, und Sie legen Wert darauf, dass sie unter realen Bedingungen, mit realen Inhalten und bei realer Latenz bestehen. - Motiviert durch Ambiguität. Sie haben in Bereichen ohne Präzedenzfall gearbeitet und dabei die Werkzeuge, Frameworks und Muster selbst entwickelt. - Verfügen über eine echte Vision, wohin sich dieses Feld als Nächstes entwickeln muss, und können diese verteidigen. „Größeres Modell, mehr Rechenleistung“ ist hier keine Antwort, die überzeugt. - Blühen in kleinen, fokussierten Teams auf, die Autonomie, Geschwindigkeit und enge Zusammenarbeit über starre Prozesse stellen. - Begeistert davon, dabei zu helfen, ein neues Medium zu definieren – wie KI über die nächsten zehn Jahre hinweg durch Pixel wahrnimmt, lernt und interagiert.