Kỹ sư nghiên cứu AI tiền huấn luyện LLM và đa phương thức tại Tether

Tổng quan vị trí

Nhóm mô hình AI của Tether tuyển nhà nghiên cứu cải thiện kiến trúc và tiền huấn luyện mô hình ngôn ngữ, đa phương thức. Công việc xử lý dữ liệu văn bản, hình ảnh và âm thanh, huấn luyện phân tán quy mô lớn, chú trọng hiệu quả và căn chỉnh liên phương thức. Mỗi tin nêu riêng địa điểm làm việc từ xa.

Trách nhiệm

• Thực hiện tiền huấn luyện nền tảng cho LLM và mô hình đa phương thức trên hệ thống GPU NVIDIA nhiều nút, phân tán.
• Thử nghiệm và mở rộng kiến trúc, bộ tách token và phương pháp căn chỉnh liên phương thức.
• Tìm nguồn, lọc, tuyển chọn tập dữ liệu văn bản và đa phương thức lớn, xây dựng quy trình dữ liệu huấn luyện tin cậy.
• Thiết kế thí nghiệm, phân tích kết quả và cải thiện hiệu năng, hiệu quả sử dụng token.
• Gỡ nút thắt trong quá trình huấn luyện dài và cải thiện khả năng mở rộng, hiệu quả phần cứng của hệ thống phân tán.

Yêu cầu

• Bằng khoa học máy tính hoặc ngành liên quan; ưu tiên tiến sĩ NLP hay học máy và có công bố nghiên cứu.
• Từng tham gia tiền huấn luyện LLM hoặc mô hình đa phương thức quy mô lớn trên hạ tầng GPU phân tán.
• Thực hành với khung huấn luyện phân tán và cải tiến kiến trúc mô hình để tăng năng lực, hiệu quả hoặc khả năng mở rộng.
• Thành thạo PyTorch và Hugging Face trong phát triển mô hình, tiền huấn luyện tiếp nối và triển khai.

Công nghệ trong công việc

• PyTorch: Strong PyTorch and Hugging Face experience in model development, continued pretraining and .
• R: Ideally PhD in NLP, Machine Learning, or a related field, complemented by a solid track record in AI R&D (with good publications in A* .
• LLM: Run foundational LLM and multimodal pretraining across distributed, multi-node NVIDIA GPU .
• CAN: If you’re unsure, you can confirm their identity by checking their profile or contacting us through our .

Hướng dẫn đánh giá mức độ phù hợp (tiếng Anh)

Phân tích dựa trên yêu cầu và trách nhiệm trong tin tuyển dụng của nhà tuyển dụng.

Understanding the scope. This AI Research Engineer (Pre-training - LLM & Multi-Modal) position at Tether is best assessed through the work described in the employer’s posting, rather than the title alone. The available role overview says: “Tether’s AI model team seeks a researcher to improve architectures and pretraining for language and multimodal models. Work spans text, vision and audio data, with large distributed training runs and attention to…” Read that statement together with the responsibilities below to understand the likely balance between delivery, coordination and technical decision-making. The role belongs to the AI and data area, but that label is only a guide to the work; the employer’s own requirements remain decisive. Before applying, check the original listing for reporting lines, product or team assignment, employment terms and any details that may have changed since this copy was checked. Where this page says a fact is not specified, treat it as an open question rather than an implied promise.

What the responsibilities signal. The posting specifically names “Run foundational LLM and multimodal pretraining across distributed, multi-node NVIDIA GPU systems.”; “Prototype and scale architectures, tokenizers and cross-modal alignment methods.”; “Source, filter and curate large text and multimodal datasets and build reliable training data pipelines.”. For each duty, identify a project where you performed comparable work and be ready to describe the context, your own contribution, constraints, decisions, and measurable result. Explain how you moved from the initial need to implementation, review, release or operational follow-through, where those stages apply. If the work involved other teams or users, distinguish your decisions from the group’s contribution. Avoid presenting a technology keyword as proof by itself: connect it to the problem you solved, the scale or complexity involved, and what changed after your work. The source may contain additional duties; review it directly before preparing your application.

How to read the requirements. The listed qualifications include “Computer science or related degree; a PhD in NLP or machine learning and research publications are preferred.”; “Hands-on contribution to large-scale LLM or multimodal pretraining on distributed GPU infrastructure.”; “Practical familiarity with distributed training frameworks and model architecture changes that improve intelligence, efficiency or scalability.”. Mark each requirement as demonstrated, adjacent experience or a genuine gap, then use a concise example for the first two categories. A strong example explains what you personally owned, how you made trade-offs, how you validated the result and what you learned. If the posting specifies years of experience, language ability, certifications, location or eligibility, address those facts plainly in your CV or application rather than relying on the employer to infer them. Do not claim a qualification from exposure alone. For a requirement you do not meet, describe relevant transferable experience accurately and ask the recruiter whether it is mandatory.

Technology and working evidence. The technology terms associated with this listing are PyTorch. Treat this as a set of posting-derived signals, not a guarantee that every tool is used daily or that the list is complete. For each term relevant to your experience, prepare one concrete example: the system or workflow, the part you owned, the alternatives considered, and how you tested reliability, security, performance or usability as appropriate. If you have not used a named tool, explain the closest related system you have worked with and how you would ramp up; do not relabel that experience as direct production use. If the source describes technologies beyond this list, prioritize its exact wording.

Evidence to put in the application.

Về Tether

Tether phát triển sản phẩm token kỹ thuật số, gồm USDT, cùng các dự án truyền thông ngang hàng và AI. Nhà tuyển dụng mô tả đội ngũ làm việc từ xa tại nhiều quốc gia.

Khám phá việc làm theo danh mục

Việc làm liên quan

• Kỹ sư nghiên cứu AI tiền huấn luyện LLM và đa phương thức tại Tether — Tether
• Kỹ sư nghiên cứu AI tiền huấn luyện LLM và đa phương thức tại Tether — Tether
• Kỹ sư nghiên cứu AI tiền huấn luyện LLM và đa phương thức tại Tether — Tether
• Kỹ sư nghiên cứu AI tiền huấn luyện LLM và đa phương thức tại Tether — Tether
• Kỹ sư nghiên cứu AI tiền huấn luyện LLM và đa phương thức tại Tether — Tether
• Kỹ sư nghiên cứu AI tiền huấn luyện LLM và đa phương thức tại Tether — Tether