Ingeniero de Investigación (Aprendizaje por Refuerzo)

• Experiencia con post-training: fine-tuning, diseño de recompensas o aprendizaje por refuerzo como GRPO

• Frameworks de RL y fine-tuning como TRL, verl o OpenRLHF, o un bucle de entrenamiento escrito por ti mismo

• Despliegues rápidos con vLLM o SGLang, entrenamiento multi-GPU con FSDP

• Entrenamiento de agentes que utilizan herramientas o de múltiples turnos

• Sandboxes de ejecución, verificadores, entornos de evaluación (eval harnesses) o herramientas de las que dependen otros ingenieros

• Familias de pesos abiertos como Qwen o Llama, LoRA y similares

• Construir los entornos y verificadores con los que entrenan nuestros modelos

• Responsabilizarse del pipeline de datos sintéticos, desde la generación hasta los controles de calidad

• Ejecutar experimentos de entrenamiento de principio a fin y explicar qué ha hecho evolucionar al modelo

• Construir las evaluaciones que un lanzamiento debe superar

• Elegir y adaptar modelos base de pesos abiertos para nuestras tareas

• Lograr que el comportamiento entrenado se mantenga tanto para agentes de voz como de texto

• Lanzar modelos a producción y seguir mejorándolos con el uso real

LiveKit está construyendo la capa de infraestructura para la era de la informática impulsada por la voz. Nuestra plataforma ofrece a los desarrolladores todo lo que necesitan para construir, probar, desplegar, escalar y observar agentes en producción. Fundada en 2021, LiveKit impulsa aplicaciones de IA de voz para OpenAI, xAI, Salesforce, Coursera, Spotify y miles más, facilitando colectivamente miles de millones de llamadas cada año.

Buscamos un ingeniero excepcional para desarrollar el post-training en LiveKit. Nuestros agentes funcionan mediante voz y, cada vez más, a través de canales de texto como SMS y chat, y los problemas interesantes surgen en horizontes largos: mantenerse útil a lo largo de muchas sesiones, trabajar con un contexto que se acumula con el tiempo y utilizar herramientas de forma fiable en medio de una conversación en vivo.

• Un ingeniero de Python sólido

• Haber llevado un modelo desde los datos brutos hasta la producción

• Tratar los datos como el producto: cobertura, diversidad, fuga de datos (leakage)

• Asumir que un modelo explotará una recompensa débil y diseñar en consecuencia para evitarlo

• Sentirse cómodo con las GPUs y ser honesto sobre sus límites

• Saber cuándo entrenar y cuándo no hacerlo

• Sentirse cómodo trabajando de forma colaborativa en un entorno remoto

• La oportunidad de dar forma a la marca de una plataforma para desarrolladores de rápido crecimiento

• Colaboración con un equipo pequeño y senior que valora profundamente el oficio y la creatividad

• Salario competitivo y paquete de acciones (equity)

• Beneficios de salud, dentales y de la vista

• Política de vacaciones flexible

LiveKit es un empleador que ofrece igualdad de oportunidades y no discrimina por ninguna característica protegida por la legislación aplicable. Si necesitas una adaptación razonable durante el proceso de solicitud o entrevista, por favor contacta con recruiting@livekit.io.