Multimodal ML Engineer

Вы будете

• Обучать и дообучать крупномасштабные мультимодальные модели (vision‑language, audio, speech) с нуля и из предобученных чекпоинтов
• Расширять модели на новые модальности: понимание изображений, временное моделирование видео, обработка длинного контекста и потоковое аудио
• Проектировать и проводить эксперименты: изменения архитектуры, миксы данных, рецепты обучения
• Создавать и поддерживать мультимодальные конвейеры данных — от сырых изображений, видео и аудиозаписей до готовых к обучению наборов, включая генерацию синтетических данных
• Обучать и оптимизировать MoE‑архитектуры для эффективного мультимодального вывода
• Строить конвейеры выравнивания: SFT, DPO, GRPO, reward modeling — для разных модальностей, а не только текста
• Оптимизировать модели для продакшна: квантизация, дистилляция, батчинг, потоковая и низколатентная подача
• Развёртывать модели от начала до конца: от исследовательского чекпоинта до продакшн‑сервиса
• Определять метрики оценки и бенчмарки, которые действительно важны для продукта: визуальный QA, пространственное рассуждение, понимание видео, речь и аудио

Вы подойдёте, если

• 3+ года опыта обучения крупномасштабных моделей глубокого обучения в мультимодальных областях (vision‑language, audio, speech или acoustic)
• Сильные навыки работы с PyTorch и практический опыт распределённого обучения (DeepSpeed, FSDP или аналогичные)
• Глубокий опыт работы с мультимодальными архитектурами — вы понимаете, как работают vision/audio‑энкодеры, проекторы и LLM (LLaVA, Qwen‑VL, InternVL, Audio Flamingo, Omni Qwen, Audio Qwen, Whisper, HuBERT, Conformer или аналогичные)
• Практический опыт RLHF/выравнивания для мультимодальных моделей: GRPO, DPO, reward modeling — не только для текста
• Опыт моделирования видеo‑ и/или аудио‑последовательностей: временное моделирование, обработка длинного контекста, эффективное внимание, потоковый вывод
• Портфолио вывода моделей в продакшн: вы достигали целевых показателей задержки и оптимизировали инференс, а не только публиковали результаты бенчмарков
• Умение курировать крупномасштабные мультимодальные наборы данных: пары image‑text, видео‑инструкции, предобработка аудио, аугментация, генерация синтетических данных
• Знакомство с MoE‑архитектурами и их компромиссами для мультимодальных нагрузок
• Сильные инженерные основы: чистый код, система контроля версий, тестирование, документация

Большой плюс

• Понимание фундаментальных принципов обработки аудио‑сигналов (спектрограммы, мел‑фичи, шумоподавление)

Почему White Circle

• Конкурентный пакет компенсаций, включая долю в компании
• Гибкий график отпуска
• Оплачиваемый отпуск в соответствии с местными нормативами, независимо от места работы
• Возможность работать из Парижа или Лондона (гибрид) + пакет релокации в Париж
• Лучшее медицинское страхование во Франции
• Поддержка обучения и развития: курсы, конференции и возможности для роста навыков
• Всё необходимое оборудование, инструменты и сервисы
• Оплаченные подписки на AI‑агенты и IDE
• Командные выездные мероприятия два раза в год: недавно мы были в Альпах и в Сен‑Тропе

Процесс

• Вводный звонок с HR (25 мин)
• Тестовое задание для выполнения дома
• Техническое интервью с Head of Applied Research (60 мин)
• Финальная беседа с CEO (45 мин)