Personal de investigación, LLM Research Staff, LLMs

Descripción de la empresa

Deepgram es la plataforma líder que sustenta la emergente economía de IA de voz, valorada en un billón de dólares, y ofrece API en tiempo real para convertir voz a texto (STT), texto a voz (TTS) y crear agentes de voz de nivel de producción a escala. Más de 200,000 desarrolladores y más de 1,300 organizaciones crean productos de voz «Powered by Deepgram», entre ellas Twilio, Cloudflare, Sierra, Decagon, Vapi, Daily, Cresta, Granola y Jack in the Box. Se accede a los modelos fundacionales de voz de Deepgram mediante API en la nube o como software autohospedado y local, con una precisión excepcional, baja latencia y eficiencia de costos. Respaldada por una reciente ronda de financiación Serie C liderada por importantes inversionistas globales y socios estratégicos, Deepgram ha procesado más de 50,000 años de audio y ha transcrito más de 1 billón de palabras. No hay ninguna organización en el mundo que entienda la voz mejor que Deepgram.

Ritmo operativo de la empresa

En Deepgram, esperamos una mentalidad que priorice la IA: el uso de la IA y la comodidad al trabajar con ella no son opcionales; son fundamentales para nuestra forma de operar, innovar y medir el desempeño.

Se espera que cada integrante del equipo de Deepgram use y experimente activamente con herramientas avanzadas de IA, e incluso que integre sus propias herramientas en su trabajo diario. Medimos la eficacia con la que se aplica la IA para lograr resultados, y el uso constante y creativo de las capacidades de IA más recientes es clave para tener éxito aquí. Los candidatos deben sentirse cómodos adoptando rápidamente nuevos modelos y modalidades, integrando la IA en sus flujos de trabajo y ampliando continuamente los límites de lo que estas tecnologías pueden hacer.

Además, avanzamos al ritmo de la IA. El cambio es rápido y puedes esperar que tu trabajo diario evolucione con la misma rapidez. Puede que este no sea el puesto adecuado si no te entusiasma experimentar, adaptarte, pensar con agilidad y aprender constantemente, o si buscas algo muy prescriptivo con un horario tradicional de 9 a 5.

La oportunidad

La voz es la modalidad más natural para la interacción entre las personas y las máquinas. Sin embargo, los paradigmas actuales de modelado de secuencias, basados en escalar conjuntamente el modelo y los datos, no pueden ofrecer una IA de voz capaz de interactuar universalmente con las personas. Los desafíos se derivan de problemas fundamentales que presentan los datos de audio: los datos de audio del mundo real son escasos y sumamente diversos, pues abarcan una amplia gama de voces, estilos de habla y condiciones acústicas. Incluso si se pudiera acceder a miles de millones de horas de audio, su dimensionalidad intrínsecamente alta genera costos computacionales y de almacenamiento que hacen que el entrenamiento y la implementación a escala mundial sean prohibitivamente costosos. Creemos que se necesitan paradigmas completamente nuevos para la IA de audio a fin de superar estos desafíos y hacer que la interacción por voz esté al alcance de todos.

El puesto

Deepgram busca actualmente un investigador con experiencia que haya trabajado extensamente con modelos de lenguaje grandes (LLM) y tenga un profundo conocimiento de la arquitectura transformer para incorporarse a nuestro personal de investigación. Como integrante del personal de investigación, esta persona debe tener amplia experiencia en los aspectos técnicos complejos de los LLM, como la curación de datos, el entrenamiento distribuido a gran escala, la optimización de la arquitectura transformer y el entrenamiento mediante aprendizaje por refuerzo (RL).

El desafío

Buscamos investigadores que:

• Vean los problemas «sin resolver» como oportunidades para abrir camino con enfoques completamente nuevos

• Puedan identificar el experimento crítico que validará o descartará una idea en días, no meses

• Tengan la visión para escalar 100 veces las pruebas de concepto exitosas

• Sientan una pasión intensa por usar la IA para automatizar y amplificar su propio impacto

Si estas expectativas te entusiasman en lugar de intimidarte —si ya estás pensando en cinco ideas para probar mientras lees esto—, quizá seas el investigador que necesitamos. Este puesto exige una dedicación intensa a los problemas, creatividad en el enfoque y un impulso incansable para encontrar soluciones elegantes y escalables. Los desafíos técnicos son enormes, pero el impacto potencial es transformador.

Lo que harás

• Generar ideas y colaborar con otros integrantes del personal de investigación para definir nuevas iniciativas de investigación sobre LLM

• Realizar una revisión amplia de la literatura, evaluar, clasificar y sintetizar los métodos actuales

• Diseñar y llevar a cabo programas experimentales para LLM

• Ejecutar con éxito trabajos de entrenamiento de transformers (LLM) en infraestructura informática distribuida e implementar nuevos modelos en producción

• Documentar y presentar resultados y conceptos técnicos complejos con claridad para un público determinado

• Mantenerse al día con los avances más recientes en aprendizaje profundo y LLM, prestando especial atención a sus implicaciones y aplicaciones en nuestros productos

Te encantará este puesto si

• Te apasiona la IA y te entusiasma trabajar en investigación de vanguardia sobre LLM

• Te interesa producir y aplicar nuevos conocimientos científicos para ayudarnos a desarrollar e implementar modelos de lenguaje grandes

• Disfrutas construir desde cero y te encanta crear sistemas nuevos.

• Tienes sólidas habilidades de comunicación y puedes explicar conceptos complejos con claridad

• Tienes una gran capacidad analítica y disfrutas profundizar en análisis detallados cuando es necesario

Es importante para nosotros que tengas

• Más de 3 años de experiencia en investigación aplicada de aprendizaje profundo, con una sólida comprensión de las aplicaciones e implicaciones de distintos tipos de redes neuronales, arquitecturas y mecanismos de pérdida

• Experiencia comprobada trabajando con modelos de lenguaje grandes (LLM), incluida experiencia en curación de datos, entrenamiento distribuido a gran escala, optimización de la arquitectura transformer y aprendizaje por RL

• Sólida experiencia programando en Python y trabajando con PyTorch

• Experiencia con diversas arquitecturas transformer (autorregresivas, de secuencia a secuencia, etc.)

• Experiencia con computación distribuida y procesamiento de datos a gran escala

• Experiencia previa en la realización de programas experimentales y el uso de sus resultados para optimizar modelos

Sería excelente que tuvieras

• Un conocimiento profundo de los transformers, los modelos de lenguaje causales (causal LMs) y su arquitectura subyacente

• Conocimiento de los métodos de entrenamiento e inferencia distribuidos para LLM

• Familiaridad con los procesos de etiquetado y entrenamiento de RLHF

• Conocimientos actualizados sobre técnicas y avances recientes en LLM

El desafío

Buscamos investigadores que:

• Vean los problemas «sin resolver» como oportunidades para abrir camino con enfoques completamente nuevos

• Puedan identificar el experimento crítico que validará o descartará una idea en días, no meses

• Tengan la visión para escalar 100 veces las pruebas de concepto exitosas

• Sientan una pasión intensa por usar la IA para automatizar y amplificar su propio impacto

Si estas expectativas te entusiasman en lugar de intimidarte —si ya estás pensando en cinco ideas para probar mientras lees esto—, quizá seas el investigador que necesitamos. Este puesto exige una dedicación intensa a los problemas, creatividad en el enfoque y un impulso incansable para encontrar soluciones elegantes y escalables. Los desafíos técnicos son enormes, pero el impacto potencial es transformador.

Lo que harás

• Generar ideas y colaborar con otros integrantes del personal de investigación para definir nuevas iniciativas de investigación sobre LLM

• Realizar una revisión amplia de la literatura, evaluar, clasificar y sintetizar los métodos actuales

• Diseñar y llevar a cabo programas experimentales para LLM

• Ejecutar con éxito trabajos de entrenamiento de transformers (LLM) en infraestructura informática distribuida e implementar nuevos modelos en producción

• Documentar y presentar resultados y conceptos técnicos complejos con claridad para un público determinado

• Mantenerse al día con los avances más recientes en aprendizaje profundo y LLM, prestando especial atención a sus implicaciones y aplicaciones en nuestros productos

Te encantará este puesto si

• Te apasiona la IA y te entusiasma trabajar en investigación de vanguardia sobre LLM

• Te interesa producir y aplicar nuevos conocimientos científicos para ayudarnos a desarrollar e implementar modelos de lenguaje grandes

• Disfrutas construir desde cero y te encanta crear sistemas nuevos.

• Tienes sólidas habilidades de comunicación y puedes explicar conceptos complejos con claridad

• Tienes una gran capacidad analítica y disfrutas profundizar en análisis detallados cuando es necesario

Es importante para nosotros que tengas

• Más de 3 años de experiencia en investigación aplicada de aprendizaje profundo, con una sólida comprensión de las aplicaciones e implicaciones de distintos tipos de redes neuronales, arquitecturas y mecanismos de pérdida

• Experiencia comprobada trabajando con modelos de lenguaje grandes (LLM), incluida experiencia en curación de datos, entrenamiento distribuido a gran escala, optimización de la arquitectura transformer y aprendizaje por RL

• Sólida experiencia programando en Python y trabajando con PyTorch

• Experiencia con diversas arquitecturas transformer (autorregresivas, de secuencia a secuencia, etc.)

• Experiencia con computación distribuida y procesamiento de datos a gran escala

• Experiencia previa en la realización de programas experimentales y el uso de sus resultados para optimizar modelos

Sería excelente que tuvieras

• Un conocimiento profundo de los transformers, los modelos de lenguaje causales (causal LMs) y su arquitectura subyacente

• Conocimiento de los métodos de entrenamiento e inferencia distribuidos para LLM

• Familiaridad con los procesos de etiquetado y entrenamiento de RLHF

• Conocimientos actualizados sobre técnicas y avances recientes en LLM

• Artículos publicados en investigación sobre aprendizaje profundo, especialmente relacionados con LLM y redes neuronales profundas

• Artículos publicados en investigación sobre aprendizaje profundo, especialmente relacionados con LLM y redes neuronales profundas

Aviso: Sabemos que hay personas que se hacen pasar por reclutadores de Deepgram. Todas las comunicaciones legítimas de reclutamiento de Deepgram provienen de una dirección de correo electrónico con el dominio @deepgram.com. Si recibiste un mensaje de alguien que afirma representar a Deepgram, reenvíalo a careers@deepgram.com.