Programa de Inicio de Carrera para Ingeniero de Post-Entrenamiento de LLM

El Early Career Program de Ericsson es un trayecto de 18 meses para ti, que te hayas graduado recientemente o tengas hasta cinco años de experiencia relevante. A través de tres rotaciones, incluyendo una exposición internacional y de mercado, afrontarás retos importantes y trabajarás junto a personas que esperan que contribuyas, cuestiones y hagas que las cosas avancen.

El itinerario Innovate está diseñado para ti, que te motiva construir lo que vendrá después. Rotarás por las áreas de Investigación, Desarrollo de Producto, Datos e IA, contribuyendo a soluciones que no solo apoyan al negocio, sino que lo impulsan hacia adelante.

Este no es un programa en el que te quedes al margen. Desde el primer día, se te contrata para un puesto, se confía en tu contribución, se te apoya para crecer y se espera que generes un impacto. Obtén más información sobre el programa Early Career aquí.

¡Tu trayectoria dentro del Early Career Program comenzará como LLM Post-Training Engineer en BNEW SAN AI Accelerator!

El AI Accelerator dentro de BNEW SAN está transformando el Soporte al Cliente y el Despliegue de Red mediante IA centrada en agentes. Como LLM Post-Training Engineer, ayudarás a adaptar modelos fundacionales para casos de uso de telecomunicaciones mediante fine-tuning, alineación y trabajo con datos, haciendo que los agentes de IA sean más fiables y útiles, al tiempo que apoyas el camino hacia las operaciones de red autónomas.

Trabajando con ingenieros experimentados y especialistas en el dominio, contribuirás a las áreas que se detallan a continuación y aumentarás tu responsabilidad con el tiempo.

Inyección de conocimiento de dominio mediante Fine-Tuning

• Contribuir al desarrollo y ejecución de pipelines de fine-tuning supervisado (SFT) que adapten los LLM base con conocimiento de dominio para casos de uso de Soporte al Cliente y Despliegue de Red.
• Experimentar con técnicas de fine-tuning con eficiencia de parámetros, incluyendo métodos basados en LoRA, QLoRA y adaptadores, y ayudar a evaluar las compensaciones en calidad del modelo, computación y latencia.
• Trabajar con el AI & Domain Specialist y el AI Data & Integration Engineer para revisar los conjuntos de datos de fine-tuning en cuanto a calidad, cobertura de dominio y formatos listos para el entrenamiento.
• Ayudar a documentar y organizar variantes de modelos con fine-tuning, checkpoints de adaptadores y configuraciones de entrenamiento para apoyar la reproducibilidad y la gestión del ciclo de vida del modelo.

Entrenamiento de Política-Recompensa y Alineación

• Apoyar experimentos con enfoques de entrenamiento de recompensa por política (policy-reward training), incluyendo métodos como GRPO y SAPO, con la guía de compañeros experimentados.
• Ayudar a preparar y evaluar señales de recompensa y conjuntos de datos de preferencias que capturen la calidad específica del dominio, incluyendo un comportamiento correcto, seguro y operativamente apropiado en contextos de telecomunicaciones.
• Contribuir a mejorar las estrategias de alineación revisando los resultados de la evaluación y el feedback de producción con el equipo.
• Mantenerse al día con la investigación en post-entrenamiento y compartir técnicas prometedoras para que el equipo las evalúe.

Curación automática de conjuntos de datos y generación de datos sintéticos

• Contribuir a la construcción y el mantenimiento de pipelines de curación de datos ayudando a obtener, filtrar, eliminar duplicados y dar formato a los conjuntos de datos para SFT y entrenamiento de recompensa.
• Ayudar a desarrollar y evaluar enfoques de datos sintéticos para crear ejemplos de entrenamiento diversos cuando los datos del mundo real son limitados, sensibles o desequilibrados.
• Trabajar con expertos de dominio para revisar la calidad y relevancia de los ejemplos sintéticos con respecto a los escenarios operativos reales de telecomunicaciones.
• Ayudar a desarrollar y ejecutar controles de calidad de datos que mantengan la integridad del conjunto de datos mediante la curación y la generación.

Gestión de ejecuciones de entrenamiento y seguimiento de experimentos

• Apoyar las ejecuciones de entrenamiento ayudando a configurar trabajos, programar y supervisar cargas de trabajo, y gestionar recursos de GPU.
• Mantener registros claros de los experimentos con configuraciones de entrenamiento, versiones de conjuntos de datos, resultados de evaluación y artefactos de modelos para que los resultados sean reproducibles.
• Rastrear y resumir métricas clave de entrenamiento, como curvas de pérdida, tendencias de recompensa, puntuaciones de referencia (benchmarks) y calidad de alineación, para el AI System Architect y el equipo de ingeniería.
• Trabajar con compañeros experimentados para investigar la inestabilidad del entrenamiento, el sobreajuste (overfitting) y los cuellos de botella en el rendimiento, y ayudar a probar posibles mejoras.