Gründungsmitglied des technischen Teams – AI-Forschungswissenschaftler (Image/Video-Grundmodell)

ÜBER GENPEACH AI GenPeach AI ist ein produktdrivenes Forschungslabor, das vertikale multimodale Grundmodelle für hyperrealistische menschliche Erzeugung in Bild und Video entwickelt – konzipiert für emotional ansprechende, menschenzentrierte KI-Erlebnisse. Unser Ziel ist es, Werkzeuge zu erstellen, die die menschliche Kreativität verstärken, anstatt sie zu ersetzen. Wir trainieren Modelle von Grund auf: proprietäre Datensätze im großen Maßstab, neue Architekturen und Trainingsrezepte, große GPU-Cluster und enge Produktintegration, damit Forschungsergebnisse schnell an die Nutzer geliefert werden. Wir sind ein tief technisches Team von etwa 10 Personen. Wir werden von Direktoren von Google DeepMind beraten und von führenden AI-fokussierten Fonds und Engeln von OpenAI, Meta AI, Microsoft AI, Project Prometheus und Fal unterstützt. Unsere Teammitglieder, Berater und Engel haben gemeinsam zu Modellen wie Meta's Imagine/MovieGen und der Grundmodellarbeit hinter OpenAI's Sora beigetragen, sowie zu Google's Veo und Gemini. ÜBER DIE ROLLE Wir suchen einen außergewöhnlichen AI-Forschungswissenschaftler, der uns bei der Entwicklung der nächsten Generation von GenPeach AI-Grundmodellen helfen soll. Dies ist eine Führungs-IC-Rolle: Sie werden die Forschungsrichtung durch hands-on-Experimente gestalten, technische Entscheidungen im gesamten Stack leiten und eine kleine Gruppe von Forschern betreuen, während Sie eng mit den Gründern zusammenarbeiten. Dies ist nicht nur das „Feintuning eines Open-Source-Checkpoints“. Es geht darum, neue Fähigkeiten durch Architekturarbeit, Trainingsysteme und Post-Trainingsrezepte zu entwickeln und diese dann in die Produktion zu überführen. IN DIESE ROLLE, WERDEN SIE - Groß angelegte Diffusionsmodelle für Bild- und Videogenerierung mitentwerfen und trainieren - Trainingsrezepte erstellen und iterieren (Vorverarbeitung, Nachverarbeitung, Kontrolle, Präferenz/Einstellung, wo relevant), um neue Modellfähigkeiten freizuschalten - Sorgfältige Ablationen durchführen: isolieren, was funktioniert, warum es funktioniert und die Ergebnisse klar kommunizieren, um Roadmap-Entscheidungen zu treffen - Über Geschwindigkeits-/Qualitäts-/Kosten-Kompromisse nachdenken und technische Entscheidungen treffen, die die TrainingsEffizienz und die Produktionsqualität wesentlich beeinflussen - Die Strategie für Datensätze beeinflussen und dazu beitragen: Kuratierungssignale, Filterung, Bewertung und Feedback-Schleifen aus dem Produkt - Mit Ingenieuren/Produktentwicklern zusammenarbeiten, um Forschungsergebnisse in die Produktion zu überführen (Dienstbeschränkungen, Stabilität, Überwachung, schnelle Iteration) - Eine kleine Gruppe von Forschern durch Code, Überprüfungen und Forschungshygiene betreuen und den Standard heben SIE KÖNNTEN IN DIESE ROLLE PASSEN, WENN SIE - 5+ Jahre Erfahrung in Deep Learning / angewandter AI-Forschung haben (oder äquivalenten Forschungseinfluss) - Stark in Python und PyTorch sind und sich wohlfühlen, Forschungscode zu besitzen, der produktionskritisch wird - Praktische Erfahrung mit dem Training und Debuggen von Grundmodellen haben (nicht nur „Black-Box-Nutzung“): Sie haben mit Instabilität, Kollaps, Datenproblemen, Skalierungspathologien zu tun gehabt und wissen, wie man sie behebt - Schnell mit gutem Geschmack agieren können: Sie priorisieren die Experimente, die wichtig sind, und treffen Entscheidungen mit unvollständiger Information - Forschungsergebnisse klar kommunizieren – durch Schreiben, Plots, Ablationen und präzise Zusammenfassungen - Die Verantwortung übernehmen, wenn es notwendig ist (Startup-Realität) MINDESTQUALIFIKATIONEN - 5+ Jahre Erfahrung in AI-Forschung / Deep Learning (Industrie oder Akademie) - Exzellentes Verständnis moderner generativer Modellierung (z.B. Diffusion/Fluss, GANs, VLMs oder angrenzende Modalitäten) - Starke Softwarefähigkeiten: Python + PyTorch, solide Ingenieursorge für Experimente und Reproduzierbarkeit - Bewiesene Fähigkeit, Projekte von Anfang bis Ende mit hoher Autonomie zu treiben BEVORZUGTE QUALIFIKATIONEN - Erfahrung mit dem Training von großen Diffusions-/Flussmodellen für Bild-/Video oder angrenzende groß angelegte generative Arbeiten (LLM/VLM/Sprache) mit übertragbarer Skalierungs- und Post-Trainings-Expertise - Erfahrung mit dem Training im großen Maßstab (Multi-Node, Hunderte von GPUs) und Verständnis für verteilte Trainingsfehlermodi - Erfahrung mit der Gestaltung von Modellarchitekturen oder Kerntrainingskomponenten (Verluste, Konditionierer, Planer, Sampling, Destillation usw.) - Veröffentlichungen auf Top-Konferenzen (NeurIPS/ICML/ICLR/CVPR/ICCV/ECCV/ACL) oder äquivalenten Forschungseinfluss - Erfahrung mit technischer Führung (als IC): Mentoring, Festlegung der Forschungsrichtung, Verbesserung der Teamausführung WAS DIESE ROLLE EINZIGARTIG MACH - Frontier-Bild-/Videomodelle von Anfang bis Ende aufbauen: Daten → Architektur → Training → Post-Training → Produktion - Hohe Eigentümerschaft und schnelle Iteration in einem schlanken Team – Ihre Arbeit gestaltet direkt, was wir ausliefern - Zusammenarbeit zwischen Forschung und Ingenieurwesen mit minimalen Prozessüberhead - Eine Chance, auf der globalen Bühne der Grundmodellqualität zu konkurrieren – und Ergebnisse öffentlich auszuliefern WIE WIR ARBEITEN - Hohe Eigentümerschaft und Verantwortung - Direkte, niedrige Ego-Kommunikation - Voreingenommene Auswirkung: messen → iterieren → ausliefern - Starke technische Standards und Forschungsdiziplin LOGISTIK - Standort: Zürich (Schweiz) oder Warschau (Polen) — vor Ort oder hybride. Wenn Sie woanders sind, sind wir offen für Remote (Team/Zeitzone wird berücksichtigt). - Vergütung: wettbewerbsfähiges Gehalt + bedeutende Beteiligung (abhängig vom Level) - Bewerbungsprozess: schnelle Überprüfung → Forschungsrunde → technische Runde (praktisch + Systeme) → Team-Passung/Werte WAS WIR BIE - Visasponsorship (wo anwendbar); wir w