Estados Unidos
The MITRE Corporation
Rubrik Job Board
Ingeniero Senior de Machine Learning
Estados Unidos
Palo Alto, California, United States
Python
Traducción automática. Consulta el original.
SOBRE EL EQUIPO Y EL PUESTO
Estamos construyendo SAGE, el Motor de Gobernanza Semántica de IA de Rubrik, que es el primer sistema diseñado para monitorizar, gobernar y remediar agentes autónomos de IA en tiempo real. SAGE potencia Rubrik Agent Cloud: las empresas definen políticas de gobernanza en lenguaje natural, y los modelos de lenguaje pequeños personalizados de SAGE actúan como jueces en cada acción del agente. Estos modelos son lo suficientemente rápidos como para estar en la ruta de solicitud en vivo y lo suficientemente precisos como para que los clientes confíen en ellos para tomar decisiones de permitir/bloquear en el tráfico de producción.
En esencia, SAGE es "LLM-como-juez" aplicado a la gobernanza de IA, utilizando la misma técnica que la mayoría de los equipos usan para la evaluación offline pero producida para la aplicación en tiempo real a escala empresarial. Nuestro Policy Guard SLM de primera generación ya supera a los modelos frontera más grandes que hemos comparado en precisión, mientras que se ejecuta aproximadamente 5 veces más rápido con la misma carga de trabajo. Estamos contratando para ampliar aún más esa ventaja.
Como Ingeniero de ML Aplicado en el equipo de SAGE, trabajarás de extremo a extremo en el ciclo de vida del modelo: curando datos, entrenando modelos pequeños, sirviéndolos con latencia de producción y cerrando el bucle de retroalimentación con señales reales de clientes. Los modelos que construyas no solo aplicarán políticas en la ruta de solicitud en vivo; también impulsarán Agent Rewind, la capacidad de Rubrik para deshacer instantánea y precisamente las acciones destructivas de agentes autónomos y restaurar los datos afectados a un estado de confianza.
Somos un equipo colaborativo y aplicado que envía modelos a clientes empresariales en cuestión de semanas, y nos apasiona demostrar que los modelos pequeños y especializados pueden superar a los LLMs frontera en los problemas que más importan para la seguridad y la gobernanza de la IA.
ÚNETE A NOSOTROS PARA ASEGURAR Y ACELERAR LA TRANSFORMACIÓN DE IA DEL MUNDO
NATURALEZA DE LAS FUNCIONES ESPECIALIZADAS
➢ ENTRENAMIENTO, AJUSTE FINO Y DESTILACIÓN DE MODELOS DE LENGUAJE PEQUEÑOS Y CLASIFICADORES DE PRODUCCIÓN (25% DEL TIEMPO)
- Ser responsable del ciclo de vida completo de entrenamiento para los SLM y clasificadores en la ruta de aplicación en tiempo real de SAGE, incluyendo la selección del modelo base, el ajuste fino supervisado, la optimización de preferencias (DPO/RLAIF) y la destilación de modelos profesores frontera.
- Entrenar modelos de anomalías y severidad de acciones que detecten patrones de ataque novedosos en el lado del agente con latencia de decisión en tiempo real, como compromisos de cadena de suministro o comportamientos destructivos emergentes no cubiertos por ninguna política explícita. Las puntuaciones de severidad dirigen los eventos de mayor impacto a Agent Rewind para una remediación precisa.
- Diseñar pipelines de entrenamiento adversarial como agentes adversariales diseñados a propósito y equipos rojos automatizados cuyas salidas alimenten directamente la siguiente ejecución de entrenamiento, convirtiendo cada debilidad descubierta en una mejora permanente del modelo.
- Empujar la frontera de Pareto de precisión, latencia y coste para tareas específicas de gobernanza a través de elecciones deliberadas post-entrenamiento (LoRA, entrenamiento consciente de cuantización, recetas de destilación, GRPO, etc.) y validar las ganancias en patrones de tráfico de producción.
➢ INGENIERÍA DE INFRAESTRUCTURA DE SERVICIO E INFERENCIA DE MODELOS DE ALTO RENDIMIENTO (25% DEL TIEMPO)
- Diseñar pipelines de inferencia de múltiples etapas que manejen tanto la aplicación en tiempo real (bloqueo en línea de prompts, respuestas y llamadas a herramientas) como cargas de trabajo por lotes de alto rendimiento (puntuación offline, back-testing, minería de corpus) mientras procesan miles de millones de tokens diarios en flotas de agentes de clientes Globales 2000.
- Optimizar despliegues en vivo a través de pools de GPU compartidos, enrutamiento consciente de caché KV, batching continuo, cuantización FP8/INT8, y decodificación especulativa para minimizar el coste de inferencia mientras se mantienen SLOs de P99 sub-segundo.
- Construir infraestructura de capa de servicio que permita a SAGE bloquear prompts, respuestas y llamadas a herramientas de agentes en tiempo real sin convertirse en un cuello de botella de latencia. Esto incluye el diseño de gateways de modelos, enrutamiento de solicitudes y degradación elegante.
- Ser responsable de patrones de tráfico canary, shadow y A/B para que las nuevas variantes de modelos se validen con tráfico de clientes en vivo antes de que tomen decisiones de aplicación.
➢ CONSTRUCCIÓN DE PIPELINES DE DATOS SINTÉTICOS Y MARCOS DE EVALUACIÓN ONLINE + OFFLINE (20% DEL TIEMPO)
- Diseñar pipelines automatizados de curación de datos que extraigan entornos de clientes en vivo (con garantías de privacidad y tenencia) para obtener ejemplos de entrenamiento de alto valor por inquilino, como violaciones de cola larga, bordes de políticas de casi fallo o comportamientos de agentes novedosos, y dirigirlos de nuevo al bucle de entrenamiento para cada cliente.
- Construir back-testing automatizado de políticas reproduciendo tráfico de agentes histórico contra nuevas versiones de modelos y políticas para detectar regresiones y recomendar mejoras de políticas antes del despliegue visible para el cliente.
- Construir sistemas de evaluación en línea para decisiones de modelos en vivo, incluyendo puntuación en sombra, detección de deriva, monitorización de calibración y análisis de brechas de cobertura de políticas, asegurando que las regresiones de calidad aparezcan en minutos en lugar de semanas.
- Generar datos sintéticos utilizando profesores frontera (prompts adversariales, casos límite de políticas, interacciones multi-turno) con evaluación que confirme que los datos sintéticos mejoran la calidad downstream, no solo el tamaño del conjunto de datos.
➢ MINERÍA DE INFORMACIÓN, DIAGNÓSTICO DE FALLOS Y MEJORA ADAPTATIVA DE MODELOS (15% DEL TIEMPO)
- Construir harnesses de memoria y contexto que fusionen la sensibilidad de los datos, la identidad y el comportamiento histórico del agente en decisiones de aplicación en tiempo real para garantizar que SAGE razone a partir del contexto específico de cada cliente.
- Minar información de agentes a través de millones de sesiones para detectar brechas de seguridad, que luego se convierten en nuevas propuestas de políticas, refinamientos de políticas existentes y señales sobre problemas upstream en todo el ecosistema de agentes (Google ADK, Azure AI Foundry, Vertex AI y otros).
- Construir bucles de retroalimentación que conviertan decisiones de producción, falsos positivos marcados por clientes y violaciones omitidas en refinamientos de políticas en lenguaje natural con un solo clic para reducir las tasas de falsos positivos sin sacrificar la recuperación.
- Diagnosticar fallos de modelos de extremo a extremo y distinguir causas raíz de datos, recetas de entrenamiento, arquitectura y capa de servicio para que las correcciones aterricen en la capa correcta la primera vez.
➢ COLABORACIÓN INTERFUNCIONAL Y TRADUCCIÓN DE LA REALIDAD DEL CLIENTE A PROBLEMAS DE MODELADO (15% DEL TIEMPO)
- Proporcionar liderazgo técnico en un pilar de la pila de modelos de SAGE (infraestructura de entrenamiento, metodología de evaluación, arquitectura de servicio o pipeline de información), mentorizar a ingenieros que se incorporan a ML y dar forma a la hoja de ruta técnica del equipo.
- Colaborar con la gestión de productos, equipos de cara al cliente y analistas de seguridad para traducir los requisitos de gobernanza de agentes de los clientes en problemas de modelado bien definidos, y para rechazar cuando ML no es la herramienta adecuada.
- Comunicar el comportamiento del modelo, los compromisos y las limitaciones claramente a las partes interesadas no expertas en ML, como gerentes de producto y líderes de seguridad empresarial, para que las decisiones del modelo se tomen con contexto completo.
- Colaborar con la plataforma Agent Cloud, ingeniería de seguridad y equipos de investigación de IA para integrar nuevos SLM en la ruta de aplicación en tiempo real con la latencia, observabilidad, reversión y garantías de tenencia adecuadas.
REQUISITOS MÍNIMOS PARA EL PUESTO
Educación: Se requiere un título de Grado (o superior) en Ciencias de la Computación, Machine Learning, Ingeniería Informática, Estadística o un campo técnico estrechamente relacionado. El diseño de sistemas de entrenamiento y servicio de SLM de producción requiere una profunda comprensión teórica del deep learning moderno, la optimización y el rendimiento de los sistemas.
CONOCIMIENTOS TÉCNICOS ESPECIALIZADOS
- 2+ años de experiencia profesional en ML con propiedad demostrable de producción de extremo a extremo; has llevado modelos desde el entrenamiento hasta el servicio de tráfico real de clientes y te has mantenido responsable de ellos a través de la iteración post-lanzamiento.
- Dominio de Python y PyTorch (o equivalente) para entrenamiento y evaluación de grado de producción.
- Experiencia práctica en entrenamiento, ajuste fino o destilación de modelos de lenguaje o clasificadores en un entorno de producción, incluyendo SFT y al menos una técnica de optimización de preferencias (DPO, RLAIF o RLHF).
- Experiencia en producción con frameworks de servicio (vLLM, SGLang, TensorRT-LLM, o equivalente), incluyendo optimización que involucre batching continuo, estrategia de caché KV y cuantización en tiempo de inferencia.
- Experiencia en el diseño de sistemas de ML de ciclo cerrado, incluyendo la infraestructura de evaluación, telemetría, curación de datos y datos sintéticos que convierten las señales de producción de nuevo en datos de entrenamiento y la próxima versión del modelo. Has construido (no solo usado) al menos un bucle de este tipo.
- Comodidad operando a escala de producción, incluyendo la depuración de modelos que manejan QPS altos en rutas de solicitud de seguridad crítica donde los errores tienen consecuencias visibles para el cliente.
CALIFICACIONES PREFERIDAS
- Profundo conocimiento en seguridad de IA y red-teaming, incluyendo experiencia práctica con ML adversarial, estrategias de defensa contra inyección de prompts y suites de evaluación automatizada para la seguridad de LLM a nivel empresarial.
- Experiencia en metodología de evaluación de modelos, específicamente en la construcción de pipelines de "LLM-como-juez", monitorización de calibración y benchmarks adversariales que revelan los sutiles modos de fallo que las métricas estáticas a menudo pasan por alto.
- Experiencia con sistemas de fusión de contexto y recuperación que sintetizan señales dispares - como sensibilidad de datos, identidad de usuario e historial de comportamiento - en decisiones de modelo de alta fidelidad.
- Experiencia en producción con inferencia de baja latencia para rutas de solicitud de streaming o de seguridad crítica donde el rendimiento del modelo y los SLOs de P99 son primordiales.
- Dominio del entrenamiento eficiente de etiquetas y minería de datos, utilizando supervisión débil, aprendizaje activo y recuperación basada en embeddings para identificar los ejemplos de producción que impulsan las mejoras de calidad más significativas.
- Experiencia práctica en destilación de conocimiento, transfiriendo con éxito capacidades de modelos profesores frontera a modelos estudiantes especializados a pequeña escala para servicio de producción.
- Familiaridad con el ecosistema de agentes, incluyendo frameworks de uso de herramientas, arquitecturas de gateways de modelos (MCP, LiteLLM o equivalente) y patrones de agentes autónomos.
- Contribuciones activas de código abierto a bibliotecas principales de entrenamiento, servicio o evaluación de ML.
INCLUSIÓN @ RUBRIK
El salario base mínimo y máximo para este puesto se publican a continuación; además, el puesto es elegible para potencial de bonificación, acciones y beneficios. El rango mostrado refleja el objetivo mínimo y máximo para los salarios de nuevos empleados para el puesto basado en la ubicación en EE. UU. Dentro del rango, el salario ofrecido se determinará por la ubicación de trabajo y factores adicionales, incluyendo habilidades relacionadas con el puesto, experiencia y educación o formación relevante.
Rango salarial en EE. UU. $188,500—$282,700 USD
Linkedin linkedin.com/company/rubrik-inc/mycompany/verification/ | X (anteriormente Twitter) twitter.com/rubrikinc | Instagram instagram.com/rubrikinc/ | Rubrik.com rubrik.com
En Rubrik, estamos dedicados a fomentar una cultura donde las personas de todos los orígenes son valoradas, sienten que pertenecen y creen que pueden tener éxito. Nuestro compromiso con la inclusión está en el corazón de nuestra misión de asegurar los datos del mundo.
Nuestro objetivo es contratar y promover el mejor talento, independientemente de su origen. Revisamos continuamente nuestras prácticas de contratación para garantizar la equidad y nos esforzamos por crear un entorno donde cada empleado tenga igual acceso a oportunidades de crecimiento y excelencia. Creemos en empoderar a todos para que sean auténticos en el trabajo y alcancen su máximo potencial.
NUESTRA ESTRATEGIA DE INCLUSIÓN SE CENTRA EN TRES ÁREAS PRINCIPALES DE NUESTRO NEGOCIO Y CULTURA
- Nuestra Empresa: Estamos comprometidos a construir una organización basada en el mérito que ofrece acceso equitativo al crecimiento y al éxito para todos los empleados a nivel mundial. Tu potencial es ilimitado aquí.
- Nuestra Cultura: Nos esforzamos por crear una atmósfera inclusiva donde las personas de todos los orígenes sientan un fuerte sentido de pertenencia, puedan prosperar y hacer su mejor trabajo. Tus contribuciones nos ayudan a innovar y romper barreras.
- Nuestras Comunidades: Estamos dedicados a expandir nuestro compromiso con las comunidades en las que operamos, creando oportunidades para talento subrepresentado y impulsando una mayor innovación para nuestros clientes. Tu impacto se extiende más allá de Rubrik, contribuyendo a comunidades más seguras y fuertes.
EMPLEADOR CON IGUALDAD DE OPORTUNIDADES/VETERANOS/DISCAPACITADOS
Rubrik es un Empleador con Igualdad de Oportunidades. Todos los solicitantes calificados recibirán consideración para el empleo sin distinción de raza, color, religión, sexo, orientación sexual, identidad de género, origen nacional, edad, discapacidad, información genética, estatus de veterano protegido o cualquier otro estatus protegido por la ley aplicable. Rubrik proporciona igualdad de oportunidades de empleo a empleados y solicitantes en todos los términos y condiciones de empleo, incluyendo reclutamiento, contratación, promoción, compensación, capacitación, licencia y terminación.
Rubrik proporciona adaptaciones razonables a solicitantes y empleados calificados con discapacidades de acuerdo con la ley aplicable. Si necesita una adaptación para participar en el proceso de solicitud o para realizar su trabajo, póngase en contacto con hr@rubrik.com [hr@rubrik.com]. Las adaptaciones pueden incluir cambios en el proceso de solicitud, documentos en formato alternativo, un intérprete de lengua de signos o equipo especializado.
IGUALDAD DE OPORTUNIDADES ES LA LEY eeoc.gov/sites/default/files/2023-06/22-088_EEOC_KnowYourRights6.12ScreenRdr.pdf
NOTIFICACIÓN DE DERECHOS DEL EMPLEADO BAJO LAS LEYES LABORALES FEDERALES dol.gov/sites/dolgov/files/olms/regs/compliance/eo_posters/employeerightsposter2page_19final.pdf
Rubrik (RBRK), la Empresa de Seguridad y Operaciones de IA, lidera en la intersección de la protección de datos, la resiliencia cibernética y la aceleración de la IA empresarial. Rubrik Security Cloud ofrece resiliencia cibernética completa al asegurar, monitorizar y recuperar datos, identidades y cargas de trabajo en la nube. Rubrik Agent Cloud acelera los despliegues de agentes de IA confiables a escala al monitorizar y auditar acciones de agentes, aplicar barreras de seguridad en tiempo real, ajustar para la precisión y desacer errores de agentes.
Más oportunidades con un solo perfil
¿Quieres optar a más puestos sin repetir todo el proceso? Crea tu perfil para que te encuentren las empresas que usan Nort.
Crear mi perfil