Vereinigte Staaten
Wonderschool
Labelbox
Forward Deployed Engineer, RL Environments
Vereinigte Staaten
San Francisco, California, Vereinigte Staaten
PythonAWSGCPDockerC++RustGo
Automatische Übersetzung. Prüfe das Original.
Die Rolle
GESTALTEN SIE DIE ZUKUNFT DER KI
Bei Labelbox bauen wir die kritische Infrastruktur, die bahnbrechende KI-Modelle bei führenden Forschungslaboren und Unternehmen ermöglicht. Seit 2018 sind wir Vorreiter bei datenzentrierten Ansätzen, die für die KI-Entwicklung von grundlegender Bedeutung sind, und unsere Arbeit wird umso wichtiger, je exponentieller die KI-Fähigkeiten wachsen.
Wir suchen einen Forward Deployed Engineer, der für das Design, die Entwicklung und die Operationalisierung von Reinforcement Learning-Umgebungen verantwortlich ist. Sie werden die isolierten, reproduzierbaren Ausführungsumgebungen erstellen, mit denen KI-Agenten während des Trainings und der Bewertung interagieren – z. B. terminalbasierte Aufgaben-Benchmarks, Umgebungen für die Browser- und Computer-Nutzung sowie toolgestützte agentische Arbeitsbereiche.
Dies ist eine praxisorientierte Ingenieurrolle. Sie werden produktionsreifer Infrastrukturcode schreiben, sich in Open-Source-RL-Tools integrieren und eng mit unserem Datenteam zusammenarbeiten, um sicherzustellen, dass die Umgebungen robust, beobachtbar und sowohl für menschliche Annotatoren als auch für Modellagenten bereit sind. Sie werden keine ML-Forschung betreiben, aber Sie müssen tiefgreifend verstehen, wie RL-Trainingsschleifen Umgebungen verbrauchen und wo die Engpässe liegen.
UNSERE VISION
Wir glauben, dass Daten für die Erreichung künstlicher allgemeiner Intelligenz entscheidend bleiben werden. Da KI-Modelle immer ausgefeilter werden, wird der Bedarf an hochwertigen, spezialisierten Trainingsdaten nur noch steigen. Schließen Sie sich uns an, um neue Produkte und Dienstleistungen zu entwickeln, die die nächste Generation von KI-Durchbrüchen ermöglichen.
Labelbox wird von führenden Investoren unterstützt, darunter SoftBank, Andreessen Horowitz, B Capital, Gradient Ventures, Databricks Ventures und Kleiner Perkins. Zu unseren Kunden gehören Fortune 500-Unternehmen und führende KI-Labore.
ÜBER LABELBOX
Wir sind das einzige Unternehmen, das drei integrierte Lösungen für die Entwicklung von Frontier-KI anbietet:
- Enterprise Platform & Tools: Fortschrittliche Annotationstools, Workflow-Automatisierung und Qualitätskontrollsysteme, die Teams in die Lage versetzen, hochwertige Trainingsdaten in großem Maßstab zu produzieren
- Frontier Data Labeling Service: Spezialisierte Datenkennzeichnung durch Alignerr, die Fachexperten für KI-Modelle der nächsten Generation einsetzt
- Expert Marketplace: Verbindung von KI-Teams mit hochqualifizierten Annotatoren und Domänenexperten für flexible Skalierung
ALIGNERR SERVICES BEI LABELBOX
Alignerr ist die menschliche Datenorganisation von Labelbox, die speziell dafür entwickelt wurde, die hochwertigen Trainingsdaten zu generieren, die die nächste Generation von KI-Modellen antreiben. Wir arbeiten direkt mit führenden KI-Laboren zusammen, um Reinforcement Learning-Umgebungen, Evaluierungs-Benchmarks und expertenannotierte Datensätze zu erstellen, die die Modellfähigkeiten vorantreiben. Unser Team befindet sich an der Schnittstelle von Softwareentwicklung, ML-Infrastruktur und menschlicher Datenproduktion.
WARUM SIE UNS BEITRETEN SOLLTEN
- Umfeld mit hoher Wirkung: Wir agieren wie ein Startup in der Frühphase und konzentrieren uns auf Wirkung statt auf Prozesse. Sie werden schnell erweiterte Verantwortlichkeiten übernehmen, wobei das Karrierewachstum direkt an Ihre Beiträge gekoppelt ist.
- Technische Exzellenz: Arbeiten Sie an der Spitze der KI-Entwicklung, arbeiten Sie mit Branchenführern zusammen und gestalten Sie die Zukunft der künstlichen Intelligenz.
- Innovation mit Geschwindigkeit: Wir feiern diejenigen, die Verantwortung übernehmen, schnell handeln und Wirkung erzielen. Unser Umfeld belohnt hohe Eigeninitiative und schnelle Ausführung.
- Kontinuierliches Wachstum: Jede Rolle erfordert kontinuierliches Lernen und Weiterentwicklung. Sie werden von neugierigen Köpfen umgeben sein, die komplexe Probleme an der Spitze der KI lösen.
- Klare Verantwortung: Sie wissen genau, wofür Sie verantwortlich sind, und haben die Autonomie, diese umzusetzen. Wir befähigen Menschen, Ergebnisse durch klare Verantwortung und Metriken zu erzielen.
LEBEN BEI LABELBOX
- Umfeld: Schnelllebig und intensiv, perfekt für ehrgeizige Individuen, die Verantwortung und schnelle Entscheidungsfindung schätzen
- Wachstum: Karriereentwicklungsmöglichkeiten, die direkt mit Ihrer Wirkung verbunden sind
- Vision: Seien Sie Teil des Aufbaus der Grundlage für die transformativste Technologie der Menschheit
Was Sie tun werden
- Entwerfen, Erstellen und Pflegen von isolierten RL-Umgebungen für das agentische KI-Training – einschließlich Terminalemulatoren, Browser-Automatisierungs-Harnesses, Computer-Nutzungssimulatoren und toolgestützten Arbeitsbereichen (z. B. Umgebungen, die auf Frameworks wie TerminalBench, OSWorld und Tau-bench basieren)
- Entwickeln von reproduzierbaren, containerisierten Ausführungsumgebungen (Docker, VMs, Lightweight Sandboxes), die deterministische Aufgaben-Rollouts und die Erfassung von Belohnungssignalen unterstützen
- Integrieren und Erweitern von Open-Source-Agenten-Tools und benutzerdefinierten CLI/API-Harnesses, um mehrstufige Agenteninteraktion zu ermöglichen
- Erstellen von Instrumentierungs- und Beobachtbarkeitsschichten – strukturiertes Logging, Trajektorienerfassung, Zustands-Snapshotting –, damit Trainingsläufe und menschliche Annotationssitzungen saubere, überprüfbare Daten produzieren
- Zusammenarbeit mit dem Datenteam zur Gestaltung von Aufgaben-Curricula und Auswertungsprotokollen, die die Fähigkeiten von Modellen über verschiedene Umgebungstypen hinweg auf die Probe stellen
- Verantwortung für die Bereitstellung und Zuverlässigkeit der Umgebung: CI/CD-Pipelines, automatisierte Tests von Umgebungskonfigurationen und Überwachung auf Drift oder Fehler über Versionen hinweg
- Schnelles Prototypisieren neuer Umgebungstypen, wenn sich Kunden- und interne Anforderungen weiterentwickeln, und Überführung von der Spezifikation zum funktionierenden System in Tagen, nicht Wochen
Was wir suchen
Erforderlich
- 2+ Jahre Berufserfahrung in der Softwareentwicklung, mit starken Grundlagen in Python und mindestens einer systemnahen Sprache (Go, Rust, C++)
- Nachgewiesene Erfahrung mit Containerisierung und Sandboxing (Docker, Podman, Firecracker oder ähnliches) in Produktions- oder Near-Production-Kontexten
- Vertrautheit mit RL-Konzepten: MDPs, Reward Shaping, Episodenstruktur, Beobachtungs-/Aktionsräume. Sie müssen keine Modelle trainiert haben, aber Sie müssen verstehen, was eine Umgebung einer RL-Trainingsschleife bieten muss
- Erfahrung im Aufbau oder der Wartung von Entwickler-Tools, CLI-Tools oder Infrastrukturautomatisierung
- Komfort bei der Arbeit mit Browser-Automatisierungs-Frameworks oder Terminal-Interaktions-Tools
- Starke Debugging-Instinkte – Sie können Fehler über Prozessgrenzen, Container-Ebenen und Netzwerkanrufe hinweg verfolgen
- Fähigkeit, akademische Arbeiten und Open-Source-Benchmark-Repositories ohne umfangreiche Anleitung zu lesen und zu implementieren
Bevorzugt
- Direkte Erfahrung im Aufbau oder der Mitarbeit an RL-Umgebungen (Gymnasium/Gym, PettingZoo oder benutzerdefinierte Umgebungs-Implementierungen)
- Erfahrung mit agentischen KI-Evaluierungs-Frameworks (SWE-bench, WebArena, OSWorld, TerminalBench oder ähnliches)
- Vertrautheit mit GCP oder AWS Infrastruktur (Compute Engine, ECS/EKS, Cloud Build)
- Vorherige Tätigkeit bei einem KI-Datenunternehmen, einem ML-Plattformunternehmen oder einem KI-Forschungslabor
- Beiträge zu Open-Source-Projekten im Bereich RL, Agenten oder Dev-Tools
Kandidatenprofil
Der ideale Kandidat ist in erster Linie ein starker Softwareentwickler mit echter Neugier und Arbeitskenntnissen im Bereich Reinforcement Learning. Sie haben wahrscheinlich Infrastruktur oder Entwickler-Tools bei einem Startup oder einem mittelständischen Unternehmen entwickelt und wurden vom ML/KI-Bereich angezogen – vielleicht durch Nebenprojekte, Open-Source-Beiträge oder eine frühere Rolle neben einem ML-Team. Sie sind die Art von Ingenieur, die ein RL-Benchmark-Paper liest und sofort darüber nachdenkt, wie die Umgebung robuster gemacht werden kann, nicht wie der Policy Gradient verbessert werden kann.
Sie gedeihen in Ambiguität. Sie können eine vage definierte Projektanforderung – „Erstellen Sie eine Umgebung, die die Fähigkeit eines Agenten testet, durch ein Dateisystem zu navigieren und mehrstufige Bash-Workflows auszuführen“ – aufnehmen und ein funktionierendes, getestetes, dokumentiertes System liefern, ohne eine detaillierte Spezifikation zu benötigen. Sie bewegen sich schnell, aber Sie legen Wert auf Zuverlässigkeit, weil Sie wissen, dass Umgebungen, die leise kaputtgehen, Trainingsdaten vergiften.
Warum diese Rolle wichtig ist
- Die Qualität von RL-Umgebungen ist heute einer der größten Engpässe im agentischen KI-Training. Umgebungen, die spröde, nicht deterministisch oder schlecht instrumentiert sind, erzeugen verrauschte Belohnungssignale, die die Modellleistung direkt beeinträchtigen. Sie werden eines der wirkungsvollsten Infrastrukturprobleme in der KI lösen.
- Sie werden an einem Portfolio von Projekten arbeiten, die verschiedene KI-Labore und Modellfähigkeiten umfassen – keine Monotonie eines einzelnen Produkts. Die von Ihnen erstellten Umgebungstypen werden sich weiterentwickeln, wenn sich die Grenzen der Agentenfähigkeiten verschieben.
- Alignerr ist ein kleines, wirkungsvolles Team innerhalb eines gut finanzierten Unternehmens (Labelbox). Sie erhalten Startup-ähnliche Verantwortung mit Ressourcen für Wachstumsphasen.
Labelbox bemüht sich, eine Gehaltsgerechtigkeit im gesamten Unternehmen sicherzustellen und die Vergütung transparent zu besprechen. Die erwartete jährliche Grundgehaltsspanne für Kandidaten mit Sitz in den Vereinigten Staaten ist unten angegeben. Diese Spanne beinhaltet keine potenziellen Aktienpakete oder zusätzlichen Leistungen. Die genaue Vergütung variiert je nach einer Vielzahl von Faktoren, einschließlich Fähigkeiten und Kompetenzen, Erfahrung und geografischem Standort.
Jährliche Grundgehaltsspanne
$140,000—$200,000 USD
Datenschutz Ihrer persönlichen Daten: Alle persönlichen Daten, die Sie Labelbox im Rahmen Ihrer Bewerbung zur Verfügung stellen, werden gemäß der Job Applicant Privacy Notice von Labelbox docs.labelbox.com/page/job-applicant-privacy-notice verarbeitet. Alle E-Mails von Labelbox-Teammitgliedern stammen von einer @labelbox.com-E-Mail-Adresse. Wenn Sie während Ihrer Interaktionen auf etwas stoßen, das Verdacht erregt, empfehlen wir Ihnen, Vorsicht walten zu lassen und die Kommunikation auszusetzen oder einzustellen.
Mehr Möglichkeiten mit einem Profil
Für mehr Stellen berücksichtigt werden, ohne den ganzen Prozess zu wiederholen? Erstellen Sie Ihr Profil, damit Unternehmen auf Nort Sie finden.
Profil erstellen