Research Engineer

О позиции

Gauntlet строит финансовые системы будущего, соединяя традиционные финансы с технологиями блокчейна. Мы уже используем собственных AI-агентов в производстве и хотим сделать их работу более предсказуемой и надёжной. В этой роли вы разработаете системы оценки производительности агентов, проведёте эксперименты по сравнению моделей и инструментов, а также будете улучшать существующие решения. Это прикладная исследовательская позиция с сильным инженерным компонентом — от исследования проблем до внедрения решений в продакшн.

Будет плюсом

• Опыт построения LLM evaluation pipelines и benchmarks
• Вклад в Open Source агентные фреймворки или eval datasets
• Знание агентных фреймворков типа Hermes, OpenClaw
• Опыт fine-tuning, RL, model training
• Научная степень в CS, mathematics, statistics, ML
• Опыт в финансовых рынках, DeFi, risk modelling
• Знание AI security considerations: access controls, prompt injection

Условия

• Удалённая работа из США или Канады
• Регулярные оффлайн-ретриты и визиты в офисы в разных городах
• 100% оплата медицинской, стоматологической и зрительной страховки
• $1,000 стипендия на организацию рабочего места
• Ежемесячная компенсация интернета и мобильной связи
• Неограниченные отпуска
• 100% оплачиваемый родительский отпуск 12 недель
• Премии за фертильность
• Возможность бонусной компенсации

Навыки

• Python
• Machine Learning
• Large Language Models
• AI Agents
• Experiment Design
• Data Science
• Software Engineering
• Model Evaluation
• Reinforcement Learning
• Open Source Contributions

Могут спросить на собеседовании

1. Как вы подойдёте к созданию фреймворка оценки для AI-агентов?
2. Приведите пример эксперимента по сравнению двух подходов к решению задачи. Как вы выбирали метрики?
3. Как бы вы диагностировали проблему, когда агент работает плохо? Какие гипотезы проверяете в первую очередь?
4. Расскажите о вашем опыте написания тестового кода. Как вы обеспечиваете качество и поддерживаемость?
5. Какие trade-offs существуют при проектировании системы, где нужно балансировать производительность, надёжность и стоимость?