Vereinigte Staaten
Corelation Inc
Doctronic
New York, New York, United States
Senior AI Engineer
Lassen Sie uns hochwertige Gesundheitsversorgung durch KI kostenlos und für jeden zugänglich machen. Doctronic's KI-Arzt bearbeitet bereits Millionen von Konsultationen; unser Ziel ist es, Milliarden zu erreichen und gleichzeitig die klinische Sicherheit und Genauigkeit kontinuierlich zu verbessern. Das bedeutet, die Art und Weise, wie KI-Systeme schlussfolgern, lernen, Beweise abrufen und Vertrauen in der realen klinischen Versorgung gewinnen, voranzutreiben.
Doctronic betreibt eine echte klinische Praxis, in der Patienten täglich unseren KI-Arzt konsultieren. Das gibt uns einen Datensatz, den niemand sonst hat, um Ideen dagegen zu testen. Wir verpflichten uns, währenddessen zu veröffentlichen und Open Source zu machen.
New York City oder San Francisco | Hybrid vor Ort | Vollzeit
Builder-first Organisation: erfahrene Ingenieure, die die Verantwortung für ein Problem übernehmen und es vorantreiben
Autonomie bedeutet hier, schnell nach eigenem Urteilsvermögen zu handeln und frühzeitig klinische, Produkt- oder Engineering-Partner einzubeziehen, wenn das Problem es erfordert, nicht erst danach.
Doctronic ist ein Arbeitgeber, der Chancengleichheit fördert. Wir feiern Vielfalt und setzen uns dafür ein, ein integratives Umfeld für alle Mitarbeiter zu schaffen.
Sie werden die Reasoning-Systeme, Lernmethoden, Retrieval-Algorithmen und die Evaluationsinfrastruktur aufbauen, die es jeder Komponente von Doctronic's klinischer KI ermöglichen, sich mit jeder Iteration zu verbessern und im Laufe der Zeit größere Autonomie zu gewinnen.
Diese Rolle verbindet Forschung und Engineering. Was zählt, sind reale experimentelle oder Modellierungsarbeiten, die Sie auch ausliefern können, egal ob Sie aus angewandtem ML oder Data Science mit starken Engineering-Fähigkeiten kommen oder aus dem Engineering mit einem Forschungsansatz.
Entwerfen und implementieren Sie die nächste Generation der Architektur hinter Doctronic's KI-Arzt, einschließlich Schlussfolgerung, Reflexion, Verifizierung, Tool-Nutzung, Routing, Unsicherheitsbehandlung und Eskalation.
Bauen Sie Systeme, in denen spezialisierte Agenten und Modelle zusammenarbeiten, um klinische Entscheidungen sicher, zuverlässig und effizient zu treffen, mit einer Architektur, die die Selbstverbesserung im Laufe der Zeit unterstützt.
Bauen Sie die Evaluationsplattform, Rubriken, Simulationen und Experimente auf, die messen, wie der KI-Arzt abschneidet, und wissen, wann ein Benchmark-Score das falsche Verhalten belohnt.
Identifizieren Sie, was verbessert werden sollte, sei es Schlussfolgerung, Retrieval, Modellverhalten, Daten oder Engineering, und bestimmen Sie, ob jede Intervention das System wirklich besser gemacht hat.
Wenden Sie Methoden wie Fine-Tuning, Destillation, Reinforcement Learning, Präferenzoptimierung sowie Prompt- und Systemoptimierung an, um spezifische Komponenten des KI-Arztes zu verbessern.
Bauen Sie die Trainingsdaten-, Feedback-, Belohnungs- und Pipeline-Experimente auf, die Evaluationsergebnisse und klinische Expertise in Systemverbesserungen umwandeln.
Bauen Sie Such-, Ranking-, Retrieval- und Grounding-Algorithmen, die klinische Schlussfolgerungen mit vertrauenswürdigen medizinischen Beweisen, partnerspezifischen Inhalten und Patientenkontext verbinden.
Verbessern und evaluieren Sie das Retrieval basierend auf seiner Auswirkung auf nachgelagerte klinische Entscheidungen, nicht nur auf Dokumentenrelevanzmetriken.
Wo auch immer Sie arbeiten, Sie werden das Problem End-to-End verantworten, von der Formulierung bis zur Messung, ob es funktioniert hat.
Sie sind ein forschungsorientierter Ingenieur, der intelligente Systeme aufbauen möchte und gleichermaßen ernsthaft daran interessiert ist, deren Wirksamkeit zu verstehen und nachzuweisen.
Sie verfügen über tiefgreifende Erfahrung in mindestens zwei der folgenden Bereiche:
Sie verfügen über fundierte ML-Grundlagen, einschließlich Trainingsdaten, Ziele, Metriken, Fehleranalyse, Kalibrierung und Validierung.
Sie sind es gewohnt, in Domänen zu arbeiten, in denen die Ground Truth unvollständig ist, Experten uneins sind und die richtige Vorgehensweise manchmal darin besteht, zu hinterfragen, was "korrekt" überhaupt bedeutet, bevor man antwortet.
Sie denken über die geschäftlichen Auswirkungen Ihrer Arbeit nach und priorisieren Lösungen entsprechend.
Sie verfügen über fundierte Engineering-Grundlagen, Sie bauen reale Systeme, nicht nur Notebooks oder einmalige Experimente.
Sie kommunizieren klar und arbeiten gut mit Engineering-, klinischen und Produktteams zusammen.
Typischerweise verfügen Kandidaten über einen fortgeschrittenen Abschluss in einer quantitativen, computergestützten oder wissenschaftlichen Disziplin und 3+ Jahre hochrelevante angewandte oder Forschungserfahrung in KI/ML; oder 7+ Jahre relevante Erfahrung im Aufbau und der Erforschung von ML-Systemen, einschließlich aktueller praktischer Arbeit mit LLMs und generativer KI.
Wir legen mehr Wert auf die Tiefe Ihrer Arbeit als auf ein bestimmtes Zeugnis oder einen Karriereweg.
Doctronic wird von Union Square Ventures, Lightspeed Venture Partners und Abstract Ventures unterstützt, mit drei Finanzierungsrunden zwischen Februar 2025 und Januar 2026.
Reverse-Recruiting- Plattform für Entwickler
Für mehr Stellen berücksichtigt werden, ohne den ganzen Prozess zu wiederholen? Erstellen Sie Ihr Profil, damit Unternehmen auf Nort Sie finden.
Profil erstellen