Brasil
Pentera
Turing
Engenheiro(a) de Pesquisa, Dados de Fronteira
Brasil
São Paulo, São Paulo, Brazil
PythonJavaSQLC++RustGo
Tradução automática. Consulte o original.
SOBRE A TURING
A missão da Turing é acelerar a superinteligência para impulsionar o progresso econômico real. Com sede em São Francisco, a Turing trabalha com laboratórios de IA de ponta para gerar conjuntos de dados de alta qualidade, ambientes de aprendizado por reforço e benchmarks de pesquisa de ponta que melhoram as capacidades dos modelos em engenharia de software, trabalho de conhecimento empresarial e raciocínio avançado em STEM. Em engenharia de software, a Turing é o maior e mais antigo provedor de dados da categoria. A Turing também trabalha com empresas Fortune 500 em serviços financeiros, ciências da vida, saúde, varejo, automotivo e CPG para construir e implantar sistemas de IA agenticos de ponta a ponta em fluxos de trabalho de missão crítica. Ao operar em ambos os lados, a Turing fecha o ciclo entre pesquisa de ponta e implantação empresarial, transformando sinais de implantação do mundo real em melhores dados, avaliações e modelos mais capazes. Saiba mais em turing.com turing.com/.
VALORES
*Esta é uma vaga remota e pode ser realizada em qualquer lugar do Brasil/Colômbia*
- Somos focados no cliente: Colocamos nossos clientes no centro de tudo o que fazemos, porque o sucesso deles é a medida final do nosso valor.
- Trabalhamos em Velocidade de Startup: Agimos rápido, permanecemos ágeis e favorecemos a ação porque o momentum é a base da perfeição.
- Somos orientados por IA: Ajudamos nossos clientes a construir o futuro da IA e o implementamos em nossas próprias funções e fluxos de trabalho para ampliar a produtividade.
A Turing se orgulha de ser um empregador que oferece igualdade de oportunidades. Não discriminamos com base em raça, religião, cor, origem nacional, gênero, identidade de gênero, orientação sexual, idade, estado civil, deficiência, status de veterano protegido ou quaisquer outras características legalmente protegidas. Na Turing, dedicamo-nos a construir um local de trabalho diverso, inclusivo e autêntico e celebramos a autenticidade, portanto, se você está animado(a) com esta função, mas sua experiência passada não se alinha perfeitamente com todas as qualificações na descrição da vaga, encorajamos você a se candidatar mesmo assim. Você pode ser o(a) candidato(a) certo(a) para esta ou outras vagas.
Para candidatos da União Europeia, por favor, revise o aviso GDPR da Turing aqui turing.com/policy.
A VAGA
Estamos procurando um(a) Engenheiro(a) de Pesquisa para ajudar a entregar conjuntos de dados de qualidade de ponta, ambientes de RL e avaliações que melhoram os modelos de última geração para um cliente de laboratório de IA de ponta. Você trabalhará diretamente com os pesquisadores e engenheiros do cliente, transformando solicitações de entrada e metas pós-treinamento em propostas técnicas concretas e especificações de dados/ambiente, e, em seguida, assumindo a execução técnica: construindo os sistemas de qualidade e verificação que garantem que o que entregamos atenda a padrões extremamente altos de correção, realismo, diversidade, dificuldade e elevação mensurável do modelo.
A maior parte deste trabalho é feito sob medida e personalizado, construído para as necessidades em evolução de um único cliente. Você normalmente permanecerá vinculado(a) a um único cliente de laboratório de ponta para construir contexto real e um relacionamento de trabalho com a equipe deles, com flexibilidade para apoiar outras contas quando necessário. Como o trabalho sob medida é julgado tanto pelo tempo de resposta quanto pela qualidade, ambos importam igualmente aqui.
Esta função é projetada para candidatos com experiência na construção e melhoria de sistemas de deep learning, especialmente onde resultados fortes dependem da qualidade dos dados, curadoria de dados, remoção de ruído, geração de dados sintéticos e avaliação rigorosa. Você operará em uma ou mais das seguintes áreas de capacidade:
- Agentes de codificação e engenharia de software (repositórios, testes unitários, depuração, uso de ferramentas, revisões de código, fluxos de trabalho de longo prazo)
- Ambientes de RL e treinamento baseado em verificador (tarefas, recompensas/verificadores, trajetórias, harnesses de avaliação)
- Dados multimodais e raciocínio (texto + imagens + documentos + tabelas/gráficos; áudio/vídeo opcional)
- Raciocínio STEM (matemática, física, química, biologia, engenharia – verificação de soluções e análise de erros)
- IA incorporada moderna / agentes impulsionados por VLM (modelos visão-linguagem(-ação), suítes de tarefas incorporadas, abstrações de ferramentas/sensores/ações, dados de interação de longo prazo)
O QUE VOCÊ FARÁ
1) RESPONSABILIZE-SE PELA QUALIDADE DE DADOS E AMBIENTES NA PERSPECTIVA DE UM PESQUISADOR DE IA
- Responder a solicitações de entrada do cliente e traduzir objetivos de pesquisa ambíguos e em evolução em uma proposta técnica e requisitos claros de dados: habilidades alvo, modos de falha, calibração de dificuldade, cobertura e métricas de sucesso.
- Fornecer a avaliação de viabilidade técnica, suposições, critérios de aceitação e requisitos de avaliação necessários para definir o escopo do contrato ou declaração de trabalho.
- Definir o que "bom" significa, criando rubricas detalhadas, contraexemplos e casos limite (o que incluir vs. excluir).
- Realizar auditorias profundas e detalhadas dos dados produzidos: identificar erros sutis, oportunidades de recompensa excessiva, vazamento, ambiguidade, suposições inconsistentes e mudanças de distribuição.
- Impulsionar melhorias iterativas usando evidências: agrupar falhas (por exemplo, por similaridade semântica) para encontrar a lacuna subjacente, e então transformá-la em instruções concretas para a equipe de produção — melhores exemplos few-shot, contraexemplos explícitos, orientação mais clara sobre o que está causando rejeições.
2) PROJETAR E CONSTRUIR CONJUNTOS DE DADOS E AMBIENTES DE RL PARA SUA(S) ÁREA(S) DE CAPACIDADE
Contribuir ou liderar o projeto de:
- Suítes de tarefas (fluxos de trabalho de passo único e de longo prazo)
- Sinais de ground-truth (verificadores, testes unitários, verificações estruturadas, funções de recompensa, validadores automáticos)
- Interfaces de ambiente (APIs, esquemas de ferramentas, abstrações de estado, esquemas de banco de dados, dinâmicas semelhantes a simuladores)
Dependendo de sua(s) área(s) de capacidade mapeada(s), você pode focar em:
- Agentes de codificação / SWE: dados refletindo trabalho de desenvolvimento real (navegação de codebase, localização de bugs, correção, testes, revisões de código, restrições semelhantes a CI, refatorações, correções de segurança).
- Multimodalidade: tarefas que testam raciocínio multimodal real (leitura de gráficos, compreensão de documentos, compreensão de UI, raciocínio STEM baseado em diagramas, tarefas com reconhecimento de OCR).
- STEM: tarefas com soluções verificáveis (verificações simbólicas, solucionadores de referência, validação numérica, consistência de passos, sanidade de unidades).
- IA incorporada moderna / agentes impulsionados por VLM: dados de interação e ambientes para modelos visão-linguagem(-ação).
3) CONSTRUIR SISTEMAS ROBUSTOS DE VALIDAÇÃO, REMOÇÃO DE RUÍDO E GERAÇÃO DE DADOS SINTÉTICOS
- Construir sistemas de verificação específicos do projeto que combinam verificações determinísticas, avaliadores baseados em modelos calibrados com conjuntos de ouro e revisão humana direcionada.
- Implementar validação e filtragem automatizadas para alcançar sinal-ruído de nível de ponta: deduplicação, descontaminação, verificações de vazamento, verificações de consistência, controles de dificuldade e diversidade.
- Desenvolver pipelines de geração e aumento de dados sintéticos quando apropriado: geradores de tarefas programáticos, perturbações controladas, modelagem de cenários, implementações impulsionadas por simulador/ferramenta.
- Criar documentação e cartões de dados: intenção do conjunto de dados, limitações conhecidas, uso recomendado e ligação com a avaliação.
4) USAR AVALIAÇÕES E EXECUÇÕES DE TREINAMENTO PARA PROVAR IMPACTO
- Projetar e executar avaliações que reflitam o uso pretendido pelo cliente.
- Produzir análises que conectam dados a resultados: comparações pré/pós, detalhamento de erros, ablações que identificam quais atributos de dados impulsionam a melhoria.
- Quando necessário, executar experimentos internos de fine-tuning ou estilo RL (ou fazer parceria com pesquisa) para demonstrar que os dados/ambiente melhoram o comportamento do modelo de maneiras mensuráveis.
5) COLABORAR EFICAZMENTE COM GRANDES EQUIPES DE PRODUÇÃO SEM SER OPERACIONALMENTE PESADO
- Dar direção técnica à rede de especialistas distribuída que produz os dados, fornecendo especificações claras, exemplos, casos extremos e loops de feedback rápidos baseados em auditorias e sinais quantitativos.
- Você é responsável pela tradução técnica, critérios de aceitação, design de avaliador e verificador, diagnóstico de qualidade e recomendação técnica de lançamento. O Líder de Projeto Estratégico é responsável pela execução da produção, pessoal, throughput, custo do projeto e recuperação.
- Espera-se que você esteja altamente engajado(a) na revisão e melhoria de saídas de grandes esforços de anotação/criação, mas não seja o(a) principal responsável pela contratação, pessoal ou operações de pessoas — isso cabe ao SPL.
- Comunicar-se diretamente com o cliente sobre descobertas técnicas, riscos de qualidade e opções de recuperação. Alinhar mudanças no escopo, cronograma ou compromissos externos com os proprietários da conta e de entrega.
QUEM BUSCAMOS
- 4–5 anos de experiência construindo ou melhorando sistemas de deep learning onde a qualidade dos dados importou materialmente (treinamento, pós-treinamento, avaliações ou sistemas agenticos).
- Forte intuição sobre os "ingredientes de dados" que impulsionam melhorias no modelo: o que coletar, o que filtrar, o que sintetizar e como medir.
- Capacidade de se comunicar claramente com pesquisadores e engenheiros: transformar objetivos de pesquisa em especificações concretas e transformar saídas confusas em insights acionáveis.
- Confortável em ser o ponto de contato técnico direto para um cliente, incluindo explicar contratempos ou trade-offs quando as coisas não saem como planejado.
- Capacidade demonstrada de ser extremamente detalhista ao diagnosticar problemas sutis de qualidade de dados e modos de falha.
- Sólida capacidade de programação com viés para entrega: proficiência em Python é necessária; familiaridade com fluxos de trabalho de SQL/dados estruturados é fortemente preferida; para trabalho focado em codificação, proficiência em uma linguagem principal (por exemplo, C++, Java, Go, Rust, JS/TS) é um diferencial.
- Conforto em projetar sistemas de qualidade: rubricas, scripts de validação, conjuntos de ouro, estratégias de amostragem, verificações estatísticas, avaliação baseada em fatias, loops de revisão human-in-the-loop fundamentados em critérios mensuráveis.
- Experiência direta com um laboratório de IA de ponta não é necessária e é incomum no mercado LATAM — o que mais importa é a profundidade de engenharia prática e a capacidade de operar com ambiguidade.
Fortes diferenciais
- Experiência em RL ou pós-treinamento (qualquer um de: RLHF/RLAIF, treinamento de verificador, modelagem de recompensa, fine-tuning de RL, design de ambiente).
- Experiência em avaliação agentica (uso de ferramentas, fluxos de trabalho multi-etapas, tarefas de longo prazo, análise de trajetória).
- Expertise multimodal (compreensão de documentos, gráficos, diagramas, OCR, grounding de UI/visão; áudio/vídeo opcional).
- Profundidade em STEM (matemática/física/engenharia) com foco em verificabilidade e correção rigorosa.
- IA incorporada moderna / experiência com agentes impulsionados por VLM (modelos visão-linguagem(-ação), dados de interação, avaliações incorporadas, grounding de longo prazo, interfaces de ferramentas/sensores/ações).
- Pensamento sistêmico: capacidade de "simular" o API/esquema de dados de uma aplicação e projetar tarefas que reflitam realisticamente restrições e fluxos de trabalho do mundo real.
POR QUE TURING
- Trabalhe diretamente com um laboratório de IA de ponta, na vanguarda do design de pós-treinamento e ambientes de RL, incorporado em um relacionamento de pesquisa real em vez de um conjunto rotativo de tarefas anônimas.
- Impacto real (caminho para AGI): seus conjuntos de dados e ambientes influenciarão diretamente a trajetória em direção à Inteligência Artificial Geral e, em última análise, à Superinteligência.
- Alta autonomia e iteração rápida, com um Líder de Projeto Estratégico cuidando da escala e dos recursos para que você possa se concentrar na abordagem técnica e no padrão de qualidade.
- Equipe densa em talentos, onde você encontrará iteração rápida e uma curva de aprendizado excepcional.
VANTAGENS DE SE JUNTAR À TURING
- Trabalhe na vanguarda da IA, ajudando os principais laboratórios de IA do mundo a melhorar seus modelos mais avançados, construindo conjuntos de dados especializados, ambientes de RL e benchmarks inéditos.
- Contribua para pesquisas de ponta em IA e apresente seu trabalho em conferências de destaque como ICLR, ICML e NeurIPS.
- Traga inovação de IA de ponta para o mercado corporativo, aplicando lições aprendidas com os principais laboratórios de IA para resolver desafios de negócios do mundo real.
- Colabore e aprenda com colegas excepcionais com profunda experiência em IA do Google, Meta, Amazon e outras empresas de tecnologia líderes.
- Mova-se no ritmo da inovação em IA, com a velocidade, a propriedade e o impacto de uma startup.
Mais oportunidades com um só perfil
Quer aparecer para várias vagas sem repetir todo o processo? Crie seu perfil e seja encontrado pelas empresas que usam a Nort.
Criar meu perfil