Brasil
Bunge
Turing
Engenheiro 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 fronteira para gerar conjuntos de dados de alta qualidade, ambientes de aprendizado por reforço e benchmarks de pesquisa de fronteira que melhoram as capacidades dos modelos em engenharia de software, conhecimento empresarial e raciocínio avançado em STEM. Em engenharia de software, a Turing é a maior e mais antiga provedora de dados da categoria. A Turing também trabalha com empresas da Fortune 500 nos setores de serviços financeiros, ciências da vida, saúde, varejo, automotivo e CPG para construir e implantar sistemas de IA agentic de ponta a ponta dentro de fluxos de trabalho de missão crítica. Ao operar em ambos os lados, a Turing fecha o ciclo entre a pesquisa de fronteira e a 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 função remota e pode ser realizada de qualquer lugar no 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 na velocidade de Start-Up: Movemo-nos rápido, permanecemos ágeis e favorecemos a ação porque o impulso é a base da perfeição
- Somos focados em IA: Ajudamos nossos clientes a construir o futuro da IA e a implementá-la em nossas próprias funções e fluxos de trabalho para ampliar a produtividade.
A Turing orgulha-se de ser um empregador que oferece oportunidades iguais. 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 diversificado, inclusivo e autêntico e celebramos a autenticidade, portanto, se você está empolgado com esta função, mas sua experiência anterior não se alinha perfeitamente com todas as qualificações na descrição do cargo, encorajamos você a se inscrever de qualquer maneira. Você pode ser o candidato certo para esta ou outras funções.
Para candidatos da União Europeia, por favor, revise o aviso de GDPR da Turing aqui turing.com/policy.
A FUNÇÃO
Estamos procurando um Engenheiro de Pesquisa para ajudar a entregar conjuntos de dados de qualidade de fronteira, ambientes de RL e avaliações que melhorem modelos de última geração para um cliente de laboratório de IA de fronteira. Você trabalhará diretamente com os pesquisadores e engenheiros do cliente, transformando solicitações recebidas e metas de pós-treinamento em propostas técnicas concretas e especificações de dados/ambiente, e então 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 ganho mensurável do modelo.
A maior parte deste trabalho é feita sob medida e personalizada, construída para as necessidades em evolução de um cliente. Você normalmente permanecerá vinculado a um único cliente de laboratório de fronteira para que possa construir um 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 foi 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 orientados por VLM (modelos de visão-linguagem(-ação), suítes de tarefas incorporadas, abstrações de ferramenta/sensor/ação, dados de interação de longo prazo)
O QUE VOCÊ FARÁ
1) ASSUMA A QUALIDADE DE DADOS E AMBIENTE DA PERSPECTIVA DE UM PESQUISADOR DE IA
- Responder a solicitações recebidas do cliente e traduzir metas de pesquisa ambíguas 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, premissas, critérios de aceitação e requisitos de avaliação necessários para definir o contrato ou declaração de trabalho.
- Definir o que é considerado "bom" criando rubricas detalhadas, contraexemplos e casos de limite (o que incluir vs. excluir).
- Realizar auditorias profundas e detalhadas dos dados produzidos: identificar erros sutis, oportunidades de hackear recompensas, vazamentos, ambiguidade, premissas inconsistentes e mudanças de distribuição.
- Impulsionar melhorias iterativas usando evidências: agrupar falhas (por exemplo, por similaridade semântica) para encontrar a lacuna subjacente, então transformar isso em instruções concretas para a equipe de produção — melhores exemplos de few-shot, contraexemplos explícitos, orientação mais clara sobre o que está causando rejeições.
2) PROJETE E CONSTRUA CONJUNTOS DE DADOS E AMBIENTES DE RL PARA SUA(S) ÁREA(S) DE CAPACIDADE
Contribuir para ou liderar o design de:
- Suítes de tarefas (fluxos de trabalho de etapa única e de longo prazo)
- Sinais de verdade fundamental (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 tipo simulador)
Dependendo da(s) sua(s) área(s) de capacidade mapeada(s), você pode focar em:
- Agentes de codificação / SWE: dados que refletem o trabalho de desenvolvimento real (navegação na base de código, localização de bugs, correção, testes, revisões de código, restrições tipo CI, refatorações, correções de segurança).
- Multimodalidade: tarefas que testam o verdadeiro raciocínio multimodal (leitura de gráficos, QA de documentos, compreensão de UI, raciocínio STEM baseado em diagramas, tarefas com reconhecimento de OCR).
- STEM: tarefas com soluções verificáveis (verificações simbólicas, resolvedores de referência, validação numérica, consistência de etapas, sanidade de unidades).
- IA incorporada moderna / agentes orientados por VLM: dados de interação e ambientes para modelos de visão-linguagem(-ação).
3) CONSTRUA SISTEMAS ROBUSTOS DE VALIDAÇÃO, REMOÇÃO DE RUÍDO E DADOS SINTÉTICOS
- Construir sistemas de verificação específicos do projeto que combinem verificações determinísticas, avaliadores baseados em modelos calibrados contra conjuntos de ouro e revisão humana direcionada.
- Implementar validação e filtragem automatizadas para alcançar uma relação sinal-ruído de nível de fronteira: desduplicação, 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, rollouts orientados por simulador/ferramenta.
- Criar documentação e cartões de dados: intenção do conjunto de dados, limitações conhecidas, uso recomendado e vinculação de avaliação.
4) USE AVALIAÇÕES E EXECUÇÕES DE TREINAMENTO PARA PROVAR O IMPACTO
- Projetar e executar avaliações que reflitam o uso pretendido pelo cliente.
- Produzir análises que conectem dados a resultados: comparações pré/pós, detalhamento de erros, ablações que identifiquem quais atributos de dados impulsionam o ganho.
- Quando necessário, executar experimentos internos de ajuste fino ou estilo RL (ou fazer parceria com a pesquisa) para demonstrar que os dados/ambiente melhoram o comportamento do modelo de maneiras mensuráveis.
5) COLABORE EFETIVAMENTE COM GRANDES EQUIPES DE PRODUÇÃO SEM SER SOBRECARREGADO POR OPERAÇÕES
- Fornecer direção técnica para a rede de especialistas distribuída que produz os dados, fornecendo especificações claras, exemplos, casos de borda 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 de lançamento técnico. O Líder de Projeto Estratégico é responsável pela execução da produção, contratação, rendimento, custo do projeto e recuperação.
- Espera-se que você esteja altamente envolvido na revisão e melhoria das saídas de grandes esforços de anotação/criação, mas não seja o principal responsável pela contratação, pessoal ou operações de pessoas — isso cabe ao SPL.
- Comunique-se diretamente com o cliente sobre descobertas técnicas, riscos de qualidade e opções de recuperação. Alinhe mudanças de escopo, cronograma ou compromissos externos com os proprietários da conta e da entrega.
QUEM ESTAMOS PROCURANDO
- 4–5 anos de experiência na construção ou melhoria de sistemas de deep learning onde a qualidade dos dados importava materialmente (treinamento, pós-treinamento, avaliações ou sistemas agentic).
- Intuição forte para 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: transformando objetivos de pesquisa em especificações concretas e transformando saídas confusas em insights acionáveis.
- Confortável em ser o ponto de contato técnico direto para um cliente, incluindo explicar contratempos ou compensações quando as coisas não saem como planejado.
- Capacidade demonstrada de ser extremamente detalhista no diagnóstico de problemas sutis de qualidade de dados e modos de falha.
- Habilidade sólida de programação com viés para entrega: proficiência em Python necessária; conforto com SQL/fluxos de trabalho de dados estruturados fortemente preferido; 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 humana no circuito baseados em critérios mensuráveis.
- Experiência direta com um laboratório de IA de fronteira 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: RLHF/RLAIF, treinamento de verificador, modelagem de recompensa, ajuste fino de RL, design de ambiente).
- Experiência com avaliação agentic (uso de ferramentas, fluxos de trabalho de várias etapas, tarefas de longo prazo, análise de trajetória).
- Expertise multimodal (compreensão de documentos, gráficos, diagramas, OCR, fundamentação de UI/visão; áudio/vídeo opcional).
- Profundidade em STEM (matemática/física/engenharia) com um olhar para verificabilidade e correção rigorosa.
- Experiência com IA incorporada moderna / agentes orientados por VLM (modelos de visão-linguagem(-ação), conjuntos de dados de interação, avaliações incorporadas, fundamentação de longo prazo, interfaces de ferramenta/sensor/ação).
- Pensamento sistêmico: capacidade de "simular" o esquema de API/dados de um aplicativo e projetar tarefas que reflitam realisticamente as restrições e fluxos de trabalho do mundo real.
POR QUE A TURING
- Trabalhe diretamente com um laboratório de IA de fronteira, na vanguarda do design de pós-treinamento e ambiente de RL, inserido 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, finalmente, à Superinteligência.
- Alta autonomia e iteração rápida, com um Líder de Projeto Estratégico cuidando da escala e dos recursos para que você possa manter o foco na abordagem técnica e na barra 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 fronteira 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 IA de ponta e mostre seu trabalho nas principais conferências, como ICLR, ICML e NeurIPS.
- Traga a inovação de IA de fronteira para a empresa, 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, propriedade e 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
