我们正在寻找一位高级机器学习工程师加入我们的团队，能够独立操作，并在团队的支持下领导和构建我们的产品愿景，为客户提供价值。
你的工作内容包括：
• 专注于机器学习，尤其是LLMs（大型语言模型），模型性能、安全性和鲁棒性：通过自然用户和对抗用户的一般和任务特定交互，使LLMs和基于模型的系统能够准确、快速和全面地响应，例如检查响应的真实性，防止提示注入，基于查询的路由到不同的模型以及生成评估数据集。
• 在机器学习模型监控方面构建新技术和工具：数据漂移检测、高维密度估计、时间序列异常检测；检测和缓解机器学习算法中的公平性和偏见问题。
• 独立或与产品团队合作进行机器学习实验，并通过在顶级会议上发表论文、行业会议演讲、深度技术博客和活动向内部利益相关者以及更广泛的机器学习社区传达结果。
• 与我们的客户团队合作，通过参与有针对性和专注的短期项目工作，为客户使用案例理解、实验、改进和部署支持我们的产品创造价值。
要求：
我们寻找的人才应具备以下条件：
• 5年以上机器学习专业经验，或者在提供强大机器学习支持方面具备2年以上工程专业知识的数据科学/统计学背景。
• 深入了解编写生产级别的Python代码，以及使用ML框架，如JAX、Tensorflow或PyTorch的经验。
• 理解软件工程最佳实践、版本控制和容器化。
• 具备客户共情能力，并愿意直接与客户和利益相关者进行互动。
• 具备将机器学习模型部署到生产环境并进行全面模型风险管理的经验。
• 对LLMs（从头开始）和多模态生成模型（即将推出）具有浓厚兴趣，特别是在测量偏见或性能方面。
• 热衷于了解该领域的最新发展——我们在一个新兴的领域运作，从arXiv和开源项目中获得大量信号和噪音。
• 具备学习统计方法和当代机器学习算法的知识和能力。
以下是你可能具备的（有益但不是必需的）条件：
• 使用公共云服务（如AWS、Google Cloud或Azure）的经验。
• 对交互式机器学习、人机交互、以人为中心的机器学习和LLM评估等方面有经验或兴趣。
• 对推荐系统的可解释性和公平性有经验或兴趣。
• 拥有一系列以机器学习为重点的出版物（我们通常在NeurIPS/ICML、KDD、AAAI、CHI以及新的负责任AI会议如SaTML、FAccT和AIES上有影响力），技术博客和/或开源项目。 
纽约