AI/LLM Engineer (Model Fine-Tuning & Conversational AI) in Amsterdam

We zijn op zoek naar een ervaren AI/LLM Engineer (Model Fine-Tuning & Conversational AI) om ons team te versterken in een snelgroeiend internationaal technologiebedrijf dat AI-gestuurde conversatieproducten ontwikkelt. Dit is een praktische engineering rol gericht op het trainen, fine-tunen en verbeteren van zelf-gehoste, open-weight grote taalmodellen (LLMs) die gepersonaliseerde AI-conversaties aandrijven.

Je zult direct werken met modeltrainingspipelines, datasets, evaluatiekaders en GPU-infrastructuur om de conversatiekwaliteit, consistentie van de persoonlijkheid, contextueel geheugen en meertalige mogelijkheden te verbeteren. De functie omvat de volledige levenscyclus van modelverbetering, van het identificeren van zwaktes en het voorbereiden van trainingsdata tot het uitvoeren van experimenten, het meten van resultaten en het implementeren van verbeterde modellen in productie.

Je zult nauw samenwerken met AI-engineering, product-, webontwikkeling en DevOps-teams om meetbare verbeteringen in conversatieprestaties en gebruikerservaring te leveren.

Belangrijkste verantwoordelijkheden:

• Train, fine-tune en optimaliseer bestaande open-weight taalmodellen om de conversatieprestaties te verbeteren.
• Ontwikkel en onderhoud post-training workflows met behulp van supervised fine-tuning en parameter-efficiënte trainingstechnieken.
• Bereid, reinig, structureer en verbeter trainingsdatasets om de nauwkeurigheid, natuurlijkheid en consistentie van reacties te verbeteren.
• Ontwerp en implementeer evaluatiekaders om de modelkwaliteit te meten en kansen voor verbetering te identificeren.
• Verbeter het conversatiegeheugen, het contextueel begrip en de consistentie van de persoonlijkheid over uitgebreide interacties.
• Ontwikkel en optimaliseer meertalige conversatiecapaciteiten.
• Verbeter interacties met meerdere AI-personages en complexe dialoogscenario's.
• Onderzoek modelfalen, inconsistente reacties en gedragsproblemen.
• Optimaliseer trainingsdata, promptingbenaderingen en responsfiltermechanismen op basis van evaluatiebevindingen.
• Voer GPU-gebaseerde modeltrainingsexperimenten uit en los prestatie-, geheugen- en stabiliteitsproblemen op.
• Pas technieken toe zoals SFT, LoRA en QLoRA, met blootstelling aan voorkeuroptimalisatiebenaderingen zoals DPO of GRPO.
• Analyseer experimentele resultaten en identificeer meetbare verbeteringen in modelgedrag en conversatiekwaliteit.
• Implementeer verbeterde modellen in productieomgevingen en monitor hun prestaties.
• Verfijn continu geïmplementeerde modellen met behulp van evaluatiedata, gebruikersinteractiepatronen en prestatie-inzichten.
• Werk samen met AI-engineers, productteams, webontwikkelaars en DevOps-specialisten aan modelintegratie en -implementatie.
• Onderzoek en evalueer relevante ontwikkelingen in open-weight taalmodellen en post-training methodologieën.

Vereisten:

• Bewezen praktische ervaring met het fine-tunen van open-weight LLMs en het implementeren van verbeterde modellen in productie.
• Sterke professionele programmeervaardigheden in Python.
• Praktische ervaring met PyTorch en Hugging Face of vergelijkbare machine learning frameworks.
• Hands-on ervaring met supervised fine-tuning (SFT) en parameter-efficiënte fine-tuning technieken zoals LoRA en QLoRA.
• Kennis van voorkeuroptimalisatietechnieken, met name DPO of GRPO.
• Ervaring met het zelfstandig voorbereiden van trainingsdatasets en het bouwen van model evaluatiekaders.
• Praktische ervaring met GPU-gebaseerde trainingsexperimenten, inclusief het debuggen van trainingsproblemen.
• Sterk begrip van modelgedrag, conversatiekwaliteit en post-training optimalisatie.
• Vermogen om modelzwaktes te onderzoeken, verbeteringen door te voeren en meetbare resultaten te demonstreren.
• Ervaring met het nemen van modelverbeteringen van experimentatie naar productie-implementatie.
• Eerdere ervaring met consumentgerichte AI-toepassingen of producten.
• Vermogen om met complexe conversatiedatasets te werken en modeluitvoer systematisch te beoordelen.
• Sterke analytische denkvaardigheden, technische probleemoplossende vaardigheden en aandacht voor detail.
• Vermogen om effectief samen te werken met engineering-, product- en infrastructuurteams.
• Comfortabel met het nemen van verantwoordelijkheid voor modeltraining, evaluatie en implementatietaken.
• Vermogen om zelfstandig te werken in een snel veranderende, internationale remote omgeving.
• Gevestigd in Europa en bereid om onder een B2B-contractovereenkomst te werken.

Voorkeurskwalificaties:

• Ervaring met het fine-tunen van modellen voor conversatie-AI, AI-maatschappij, rollenspel of interactieve entertainment.
• Ervaring met het verbeteren van lange-context dialoog, geheugenretentie of consistentie van de persoonlijkheid.
• Praktische ervaring met meertalige LLM-training en evaluatie.
• Ervaring met het implementeren van voorkeur-gebaseerde optimalisatie met behulp van DPO of GRPO.
• Kennis van productie modelmonitoring en iteratieve verbeterworkflows.
• Ervaring met het optimaliseren van GPU-trainingsefficiëntie en het oplossen van problemen met modeltrainingsinfrastructuur.
• Ervaring met consumentgenererende AI-producten die grote gebruikersgroepen bedienen.

Voordelen:

• Volledig remote werkarrangement binnen Europa.
• Langdurige samenwerking onder een B2B-contractovereenkomst.
• 20 werkdagen betaald verlof.
• $100 maandelijkse zorgverzekering vergoeding.
• Budget voor apparatuur ter ondersteuning van je remote werksetup.
• Toegang tot AI-ontwikkelingshulpmiddelen.
• Ondersteuning voor leren en professionele ontwikkeling.
• Jaarlijkse teambijeenkomst.
• Kans om direct te werken met zelf-gehoste LLMs die consumentgerichte conversatie-AI-producten aandrijven.
• Hands-on eigenaarschap van modeltraining, evaluatie en productieverbeteringen.
• Internationale werkomgeving binnen een snelgroeiend AI-technologiebedrijf.
• Kans om bij te dragen aan innovatieve ontwikkelingen in conversatie-AI en LLM post-training.