Ingeniero de ML Líder - Inferencia de LLM y NLP

• Experiencia práctica profunda optimizando la inferencia de LLM en producción con SGLang, vLLM o TensorRT-LLM
• Experiencia con inferencia distribuida o entrenamiento de modelos grandes: MoE, tensor/expert/pipeline parallelism, clusters de GPU multi-nodo
• Sólido conocimiento de lo que hace que la inferencia sea rápida: KV cache, attention kernels, batching, cuantización, GPU profiling
• Experiencia entrenando y realizando el fine-tuning de LLMs, incluyendo post-training (RLHF, DPO o similares)
• Liderazgo técnico demostrado: has guiado a ingenieros a través de revisiones, mentoría y decisiones técnicas mientras sigues escribiendo código tú mismo
• Dominio de PyTorch, transformers y librerías relacionadas
• Experiencia en startups o empresas centradas en IA (Character AI, OpenAI y similares es una gran ventaja)
• Experiencia en ingeniería backend (Python, Go, C#) y conocimiento de sistemas de despliegue escalables es una ventaja significativa
• Inglés o ruso avanzado

• Desarrollo de kernels CUDA o Triton
• Formación en visión artificial. También aceptamos líderes de CV con experiencia sólida que hayan acelerado modelos generativos de imagen o vídeo de gran tamaño
• Experiencia con LLMs multimodales
• Publicaciones como primer autor o trabajo notable en código abierto, por ejemplo, contribuciones a SGLang, vLLM o librerías de post-training
• Grado en Ciencias de la Computación, matemáticas o física de un programa de prestigio (Máster o Doctorado)

• OPORTUNIDAD REMOTA para trabajar a tiempo completo;
• El nivel salarial inicial o el rango salarial para este puesto se comunicará a los candidatos durante el proceso de selección y antes del inicio del empleo;
• Vacaciones 28 días naturales por año;
• 7 días de bienestar al año (tiempo libre) que pueden utilizarse para atender asuntos domésticos, descansar y recuperarse sin necesidad de pedir una baja por enfermedad;
• Bonificaciones de hasta 5000 $ por recomendar candidatos seleccionados para puestos en la empresa;
• 50% de pago para formación profesional, conferencias internacionales y reuniones;
• Descuento corporativo para clases de inglés;
• Beneficios de salud. Según las nóminas, si no eres elegible para el seguro médico corporativo, la empresa te compensará con hasta 1.000 $ brutos al año por empleado. Esto puede destinarse a la compra propia de un seguro de salud o al pago de honorarios médicos para ti y tus familiares directos (cónyuge, hijos);
• Organización del lugar de trabajo. La empresa proporciona a todos los empleados un lugar de trabajo equipado y todo el material necesario (mesa, sillón, wifi, etc.) en nuestras oficinas o ubicaciones de co-working. En otras ubicaciones, la empresa reembolsa los costes del lugar de trabajo hasta 1.000 $ brutos una vez cada 3 años, según las nóminas. Este dinero puede utilizarse para el alquiler de una sala de co-working o para equipar el lugar de trabajo en casa (escritorio, silla, Internet, etc.) durante esos 3 años;
• Sistema interno de gratitud gamificado: recibe bonificaciones de tus compañeros e intercámbialas por nuestro merchandising, actividades de team building, certificados de masaje, etc.

¿Te suena bien? ¡Únete a nosotros ahora!

Estamos buscando un Lead ML Engineer -LLM Inference & NLP.

• Acelerar y escalar la inferencia de LLM en producción: SGLang, KV y prefix caching, batching, cuantización, speculative decoding
• Ejecutar inferencia distribuida para modelos muy grandes (de hasta más de 1T de parámetros) en configuraciones multi-GPU y multi-nodo
• Realizar benchmarks de nuevos servidores GPU y hardware, implementarlos en producción y adaptar nuestro código de servicio a ellos
• Liderar técnicamente los equipos de NLP y CV: revisar experimentos, marcar la dirección y intervenir pronto cuando algo se encamina en la dirección equivocada
• Entrenar y realizar el fine-tuning de los modelos de lenguaje, y mejorar los agent harnesses y el algoritmo de chat que se ejecutan en ellos
• Seguir la investigación de vanguardia y el trabajo de código abierto en inferencia y post-training, y convertirlo en la hoja de ruta de ML
• Colaborar estrechamente con los equipos de validación, contenido y preparación de datasets para diseñar experimentos y medir la calidad del modelo