Главный инженер прикладных исследований

Synthesia - ведущая в мире платформа ИИ для создания видеоконтента для бизнеса, используемая более чем 90% компаний из списка Fortune 100. Основанная в 2017 году, компания имеет штаб-квартиру в Лондоне и офисы и команды по всей Европе и США.

По мере того, как ИИ продолжает формировать наш образ жизни и работы, Synthesia разрабатывает продукты для улучшения визуальной коммуникации и развития навыков предприятий, помогая людям работать лучше и оставаться в центре успешных организаций.

После недавнего раунда финансирования серии E, в ходе которого мы привлекли 200 миллионов долларов, наша оценка составляет 4 миллиарда долларов. Наш общий объем финансирования превышает 530 миллионов долларов от ведущих инвесторов, включая Accel, NVentures (венчурное подразделение Nvidia), Kleiner Perkins, GV и Evantic Capital, а также основателей и операторов Stripe, Datadog, Miro и Webflow.

Возможность

В Synthesia мы уделяем особое внимание генерации видео, особенно генерации видео с человеко-центрированными аватарами. Это привело нас к выпуску таких моделей, как EXPRESS-Video, и вскоре нашей последней видеомодели - это лучшие модели видео с аватарами в мире, и мы привержены продолжению и удвоению наших усилий в лидерстве в этой области. Наша цель - создать человеко-центрированные модели видео, которые могут генерировать произвольно длинные видео высокого разрешения с произвольными действиями и событиями. Это означает непрерывное обучение больших генеративных видеомоделей с нуля с помощью проприетарных конвейеров данных и вычислительной инфраструктуры для поддержки этого в масштабе. Мы ищем технического лидера, который владеет полным стеком от начала до конца, человека, который соединяет предварительное и пост-обучение, задает долгосрочное направление вместе с исследовательским руководством и лично присутствует на самых сложных частях работы. Если создание возможностей фундаментальной модели с нуля в компании, действительно приверженной лидерству в этой области, звучит как следующий правильный вызов, эта роль была написана для вас.

О роли

Возможности Synthesia по генерации видео являются ядром всего, что мы создаем. Это предполагает ежедневную работу примерно 15 человек на стадиях предварительного и пост-обучения, и сложность координации между этими стадиями в масштабе вычислений и данных, с которыми мы сейчас работаем, требует иного рода технического лидерства.

Мы ищем главного инженера-исследователя (L7), чтобы он владел полным техническим стеком для автономной генерации видео. Это старшая позиция индивидуального участника с огромным объемом и влиянием. Вы будете напрямую сотрудничать с исследовательским руководством и руководителями команд, чтобы определить долгосрочную стратегию, решить самые сложные технические проблемы и поднять планку для того, как исследования быстро доходят до продукта.

Человек, которого мы ищем, самостоятельно обучал большие генеративные модели с нуля, а не просто контролировал этот процесс удаленно, но делал его, отлаживал и внедрял. Более того, он движим подлинным стремлением расширить возможности видеогенерации и глубоко заинтересован в том, чтобы эта работа была воплощена в продукте и дошла до пользователей.

Что вы будете делать

- Определять техническую стратегию для автономной видеогенерации на всех этапах, от предварительного до пост-обучения, устраняя искусственные границы между этими этапами для более быстрой поставки лучших моделей.

- Сотрудничать с руководством исследований и руководителями команд для определения единой долгосрочной стратегии, разделенной на достижимые цели, и обеспечивать ее выполнение.

- Выявлять наиболее критические технические пробелы в конвейере видеогенерации и включаться в их решение, будь то архитектурные решения, стабильность обучения, пост-обучение или координация между командами.

- Увеличивать скорость поставки исследований в продукт: ускорять решение проблем, улучшать передачу результатов исследований в производство и повышать видимость результатов исследований в партнерстве с менеджерами продукта.

- Наставлять и поддерживать более молодых исследователей и инженеров в развитии их технических навыков и опыта.

- Помогать формировать структуру команды и совершенствовать процессы для обеспечения высокоскоростного, согласованного выполнения исследований.

Чтобы преуспеть в этой роли, вы должны

- Иметь подтвержденный опыт обучения крупномасштабных моделей видеогенерации с нуля на нескольких узлах с объемом данных в миллионы часов.

- Обладать глубоким опытом в методах пост-обучения в крупном масштабе: RLHF, GRPO, DPO, и иметь суждение о том, когда и как их применять.

- Иметь подтвержденный опыт обеспечения качества данных и не бояться подвергать его сомнению.

- Уметь мыслить стратегически о долгосрочном направлении исследований и работать на переднем крае того, что строит команда.

- Обладать высоким уровнем влияния на межфункциональные команды: вы можете формировать взаимодействие команд без использования должностной власти.

- Иметь стиль лидерства, основанный на техническом участии. Вы ведете за собой примером, вдохновляете своим мастерством и общаетесь четко.

- Быть искренне заинтересованным в раскрытии новых возможностей и стремиться к реализации. Вас не удовлетворяет исследование, которое остается на бумаге. Вы хотите, чтобы оно попало в руки пользователей.

Особенно актуальный опыт

- Опыт создания крупномасштабных моделей или внедрения новых возможностей от обучения до развертывания в продукте.

- Опыт работы как на этапе предварительного, так и на этапе пост-обучения на одной и той же семье моделей с прямой ответственностью за результаты обоих.

- Опыт работы в крупном масштабе: крупномасштабные распределенные обучающие запуски, значительные вычислительные бюджеты и конвейеры данных объемом несколько миллионов часов.

- Применение методов выравнивания и тонкой настройки в видео- или многомодальном контексте, а не только в тексте.

- Опыт работы с конвейерами обратной связи от человека, применяемыми к генеративному видео или аудио.

- Руководство или существенное влияние на техническое направление исследовательской группы, сохраняя при этом практический подход.

Критические недостатки