Membro Fondatore dello Staff Tecnico – Scienziato di Ricerca AI (Modelli di Fondazione Immagine/Video)

CIRCA GENPEACH AI GenPeach AI è un laboratorio di ricerca guidato dal prodotto che costruisce modelli di fondazione multimodali verticali per la generazione di immagini e video iperrealistici - progettati per esperienze AI centrate sull'uomo e rispondenti emotivamente. Il nostro obiettivo è creare strumenti che amplifichino la creatività umana piuttosto che sostituirla. Addestriamo modelli da zero: dataset proprietari su larga scala, architetture e ricette di addestramento innovative, grandi cluster GPU e stretta integrazione con il prodotto in modo che la ricerca venga consegnata agli utenti rapidamente. Siamo un team profondamente tecnico di circa 10 persone. Siamo consigliati da Direttori di Google DeepMind e supportati da fondi e angeli leader nel settore AI di OpenAI, Meta AI, Microsoft AI, Project Prometheus e Fal. Collettivamente, il nostro team, i consiglieri e gli angeli hanno contribuito a modelli tra cui Meta's Imagine/MovieGen e il lavoro sui modelli di fondazione dietro OpenAI's Sora, oltre a Google's Veo e Gemini. CIRCA IL RUOLO Cerchiamo uno scienziato di ricerca AI eccezionale per aiutare a guidare la prossima generazione di modelli di fondazione GenPeach AI. Questo è un ruolo di Leadership IC: definirai la direzione della ricerca attraverso l'esperimentazione pratica, guiderai le decisioni tecniche in tutto lo stack e mentorerai un piccolo gruppo di ricercatori lavorando a stretto contatto con i fondatori. Questo non è "regolare un checkpoint open-source". Si tratta di costruire nuove capacità attraverso il lavoro di architettura, sistemi di addestramento e ricette post-addestramento - e poi di implementarle nella produzione. IN QUESTO RUOLO, FARAI - Co-progettare e addestrare modelli di diffusione su larga scala per la generazione di immagini e video - Costruire e iterare su ricette di addestramento (pre-addestramento, post-addestramento, controllo, preferenza/regolazione dove rilevante) per sbloccare nuove capacità del modello - Eseguire ablazioni rigorose: isolare cosa funziona, perché funziona e comunicare i risultati in modo chiaro per guidare le decisioni sulla roadmap - Ragionare sui compromessi tra velocità/qualità/costo e prendere scelte tecniche che influenzano materialmente l'efficienza dell'addestramento e la qualità della produzione - Influire e contribuire alla strategia del set di dati: segnali di cura, filtraggio, valutazioni e feedback loop dal prodotto - Collaborare con l'ingegneria/prodotto per produrre la ricerca (vincoli di servizio, stabilità, monitoraggio, rapida iterazione) - Mentorare e innalzare il livello per un piccolo team di ricercatori attraverso il codice, le recensioni e l'igiene della ricerca POTRESTI FARE MOLTO BENE IN QUESTO RUOLO SE - Hai 5+ anni di esperienza nella ricerca di apprendimento profondo / AI applicata (o impatto di ricerca equivalente) - Sei forte in Python e PyTorch e sei a tuo agio nel possedere codice di ricerca che diventa critico per la produzione - Hai esperienza pratica nell'addestramento e nel debugging di modelli di fondazione (non "utilizzo black-box"): hai affrontato instabilità, collasso, problemi di dati, patologie di scalabilità e sai come risolverli - Puoi muoverti rapidamente con buon gusto: priorizzerai gli esperimenti che contano e prenderai decisioni con informazioni incomplete - Comunichi la ricerca in modo chiaro - attraverso la scrittura, i grafici, le ablazioni e le conclusioni concise - Prendi possesso oltre la tua descrizione del lavoro quando necessario (realtà startup) QUALIFICHE MINIME - 5+ anni di esperienza nella ricerca AI / apprendimento profondo (industria o accademia) - Ottima conoscenza della modellazione generativa moderna (ad es. diffusione/flow, GAN, VLM o modalità adiacenti) - Forti abilità software: Python + PyTorch, solida igiene ingegneristica per l'esperimentazione e la riproducibilità - Prova di aver guidato progetti dal principio alla fine con alta autonomia QUALIFICHE PREFERITE - Esperienza nell'addestramento di grandi modelli di diffusione/flow per immagini/video, o lavoro generativo su larga scala adiacente (LLM/VLM/discorso) con expertise trasferibile sulla scalabilità e il post-addestramento - Esperienza nell'addestramento su larga scala (multi-nodo, centinaia di GPU) e comprensione dei modi di fallimento dell'addestramento distribuito - Esperienza nella progettazione di architetture di modelli o componenti di addestramento principali (perdite, condizionatori, scheduler, campionamento, distillazione, ecc.) - Pubblicazioni in sedi principali (NeurIPS/ICML/ICLR/CVPR/ICCV/ECCV/ACL) o impatto di ricerca equivalente - Esperienza di leadership tecnica (come IC): mentoring, definizione della direzione della ricerca, miglioramento dell'esecuzione del team COSA RENDE QUESTO RUOLO UNICO - Costruire modelli di immagini/video di frontiera dal principio alla fine: dati → architettura → addestramento → post-addestramento → produzione - Alta proprietà e rapida iterazione in un team snello - il tuo lavoro definisce direttamente cosa consegniamo - Collaborazione tra ricerca e ingegneria con minimo sovraccarico di processo - Una possibilità di competere nel palcoscenico globale della qualità dei modelli di fondazione - e consegnare risultati pubblicamente COME LAVORIAMO - Alta proprietà e responsabilità - Comunicazione diretta, a basso ego - Predisposizione all'impatto: misurare → iterare → consegnare - Forti standard tecnici e disciplina di ricerca LOGISTICA - Posizione: Zurigo (Svizzera) o Varsavia (Polonia) — presenza sul posto o ibrida. Se sei altrove, siamo aperti al lavoro remoto (considerata la compatibilità del team/fuso orario). - Compensazione: stipendio competitivo + equity significativa (dipendente dal livello) - Processo di selezione: rapida valutazione iniziale → round di ricerca → round tecnico (pratico + sistemi) → adattamento del team/valori COSA OFFRIAMO - Sponsorizzazione d