ML Infrastructure Engineer

Вы будете

• Создавать надёжные, гибкие и масштабируемые конвейеры RL и пост‑тренировочные, включая smoke‑tuning‑запуски для тестирования качества и абляций подходов
• Проектировать системы контроля данных, определяющие, что модель видит, когда она это видит и как обучающие данные проходят через rollouts, replay, фильтрацию, оценку и обновления политик
• Настраивать обучение и инференс от начала до конца для высокой пропускной способности в ключевых подсистемах: сеть, память, планирование вычислений, загрузка данных, хранилище, контрольные точки и I/O
• Исследовать, как выбор инфраструктуры влияет на динамику обучения, качество оценки, поведение модели и стабильность тренировки — оставаясь в курсе state of the art в LLM, RL и пост‑тренировочных методах
• Строить инфраструктуру для итераций модели: экспериментальные запуски, артефакты, оценки, дашборды, инспекцию сбоев, воспроизводимость и видимость затрат
• Работать над инференс‑инфраструктурой, где это затрагивает пост‑тренировочные и оценочные циклы
• Создавать и улучшать среды разработки агентов: harness‑ы для coding‑agent, интеграции браузера/инструментов, песочницы терминала/рантайма, рабочие процессы, учитывающие репозитории, и оркестрацию мульти‑агентов
• Тесно сотрудничать с командой: планировать дальнейшие шаги, обсуждать компромиссы, делиться контекстом заранее и поддерживать связь во время разработки

Вы подойдёте, если

• Вы проектировали, строили или поддерживали распределённые системы RL/пост‑тренировочные в масштабе и свободно ориентируетесь в их компонентах: rollouts, replay buffers, reward signals, фильтрация данных, обновления политик, циклы оценки и анализ сбоев
• Вы знакомы с фреймворками глубокого обучения, такими как PyTorch или JAX
• Вы владеете Python, включая конкурентность, асинхронное программирование, многопроцессность и оптимизацию производительности
• Вы умеете отлаживать распределённые GPU‑нагрузки в среде CUDA, контейнерных рантаймах, версиях драйверов, NCCL или аналогичных коммуникационных слоях, сети, хранилище, планировании и контрольных точках
• У вас есть опыт работы с инструментами профилирования по всему стеку, например py-spy, PyTorch profiler, Nsight, perf, трассировка, метрики, логи или кастомная инструментализация
• Вы знакомы со стеками инференса, такими как vLLM, SGLang, TensorRT-LLM, Dynamo или собственными сервисами подачи моделей
• Вы способны от системных метрик делать выводы о поведении модели: когда задержка, очереди, сэмплирование, порядок данных, пропускная способность rollouts или сбои инфраструктуры влияют на обучение
• У вас сильное чувство ответственности: вы берёте неоднозначную инфраструктурную задачу, делаете её конкретной, доставляете работающую систему и улучшаете её на основе реальной обратной связи

Большой плюс

• Публичный след в построении: open‑source вклады в RL, распределённый ML, обучение LLM, инференс, оценку или инфраструктуру агентов — репозитории, PR, бенчмарки, статьи с кодом, технические посты — и активное присутствие в X/Twitter с живыми построениями, потоками отладки и полезным взаимодействием с сильными строителями
• Опыт в высококлассной AI‑инфраструктуре, исследовании или среде моделей, такой как xAI/Grok, Qwen, AI‑инфраструктура/исследования ByteDance, Prime Intellect или аналогичные команды
• Поддержка или владение кастомным фреймворком обучения: распределённое обучение, конвейеры fine‑tuning, тренеры, планировщики, контрольные точки, загрузчики данных, интеграция модели/оценки или инструменты производительности
• Серьёзное использование Claude Code, Codex, Kimi Code, Pi Agent, Droid или аналогичных агентных систем кодирования в качестве поверхности разработки
• Опыт работы с GPU‑кластерами на Kubernetes, Slurm, Ray, кастомных планировщиках или облачной оркестрации GPU
• NCCL, UCX, NVSHMEM, RDMA, InfiniBand, RoCE или EFA
• Rust, C++, CUDA, Go или работа на уровне системной производительности

Почему White Circle

• Конкурентный пакет компенсаций, включая equity
• Гибкий отпуск
• Оплачиваемый отпуск в соответствии с местными нормативами, независимо от того, где вы работаете
• Работа из Парижа (гибридный формат) + пакет релокации
• Лучшее медицинское страхование во Франции
• Поддержка обучения и развития: курсы, конференции и возможности роста навыков
• Всё необходимое оборудование, инструменты и сервисы
• Охваченные подписки на AI‑агенты и IDE
• Командные выезды два раза в год: недавно мы были в Альпах и в Сен‑Тропе