描述：
• 模型研究与原型制作 – 探索、实施和基准测试机器学习/自然语言处理/生成性人工智能方法（例如，LLM 微调、检索增强生成、文档理解）。
• 数据准备与特征工程 – 清理、注释和转换结构化和非结构化案例数据；构建可重用的数据集和数据加载器。
• 实验工作流程 – 设计实验，进行 A/B 测试，分析结果，并将发现传达给更广泛的产品和工程团队。
• 生产化 – 协助将模型集成到我们的微服务架构中；与 MLOps 工程师合作进行打包、测试、监控和扩展。
• 跨职能合作 – 与产品经理、法律分析师和软件工程师配对，将痛点转化为机器学习解决方案和可衡量的产品改进。
• 持续学习 – 关注 LLM、表示学习和提示工程的研究动态；通过内部讲座和文档分享见解。
要求：
• 教育背景：计算机科学、机器学习、数据科学、统计学、计算语言学或相关领域的博士、硕士或学士学位
• 核心专长：
• 扎实的机器学习基础知识（监督学习与无监督学习、评估指标、过拟合/正则化）。
• 具有自然语言处理或生成性人工智能技术的实践经验（例如，变压器、嵌入、序列到序列模型、LLM）。
• 技术栈：
• 精通 Python 和机器学习/自然语言处理库，如 PyTorch、TensorFlow、Hugging Face、spaCy 或类似工具。
• 熟悉 SQL 和基本的数据工程概念（ETL、版本数据集、笔记本）。
• 加分项：接触云平台（AWS/GCP）、实验跟踪工具（Weights & Biases、MLflow）或容器化部署（Docker/Kubernetes）。
• 心态与人际交往技能：
• 渴望向高级团队成员学习，并在快速发展的初创公司中快速迭代。
• 清晰、简洁的沟通能力——书面和口头。
• 较强的分析思维能力，倾向于交付务实、高影响力的解决方案。
福利：
• 为您和您的家人提供医疗、牙科和视力保险计划的选择
• 额外的保险覆盖选项，包括人寿、意外或重大疾病
• 灵活的带薪休假、病假、短期和长期残疾
• 10 个美国法定假日，以及按省份规定的加拿大法定假日
• 家庭办公室津贴
• 美国员工的 401(k) 和加拿大员工的 RRSP
• 带薪父母假
• 本地面对面聚会计划
• 在旧金山和多伦多设有中心 
