Keine Standortpflicht. Wir suchen Menschen, die unabhängig vom Ort klare Proof-Arbeit leisten können.
Foundation Model Systems Engineer
يجعل NEXO تشغيلات الذكاء الاصطناعي حتمية وقابلة للإعادة والمساءلة مع Trust Score وEvidence Path وحالة معرفة بإصدار.
Worum es in dieser Rolle wirklich geht
NEXO braucht ML Engineering, das nicht bei Modellaufrufen endet. Wir bauen eine neue Modellgeneration, in der Wissen gebunden, Zustände versioniert, Läufe replaybar und Beiträge messbar werden.
Rahmen der Rolle
Die Eckdaten kommen aus der Rollenstruktur. Inhalt, Tiefe und Proof-Fragen bleiben pro Stelle im CMS gepflegt.
Remote, Verantwortung und klare Proof-Ziele
Alle Rollen sind remote ausgelegt. Standort ist kein Auswahlkriterium, Arbeitsqualität schon.
Wir suchen Menschen, die Proof, Research, Engineering und Produkt ernsthaft zusammenbringen wollen.
Du arbeitest an einer neuen Modellgeneration, nicht an einer weiteren Oberfläche um bestehende KI.
Claims, Entscheidungen und Fortschritt sollen bei NEXO nachvollziehbar bleiben: in قطع اثريةn, Reviews und Läufen.
So läuft die Bewerbung
Du wählst ein المشكلة, das zu deiner Denkweise passt. Rolle und Titel sind danach zweitrangig.
Du zeigst Lösung, Pfad, Annahmen und Grenzen. CV ist hilfreich, aber nicht das Hauptsignal.
Wir reviewen die Arbeit fachlich. Automatische Checks können helfen, entscheiden aber nicht allein.
Wenn das Signal stark ist, folgt geschützter Kontext oder ein bezahlter Trial Sprint mit klarer Aufgabe.
Was du aufbaust
Entwicklung von Runtime-Komponenten für deterministische Läufe, Trust Signale und Evidence Paths.
Aufbau von Evaluations- und Replay-Flächen, die Systemverhalten reproduzierbar prüfen.
Übersetzung von Research-Ideen in robuste Produkt- und Infrastrukturmodule.
Zusammenarbeit mit Security, Research und Produkt an klaren Failure Modes und Review-Kriterien.
Dokumentation von Entscheidungen als قطع اثرية statt als lose Slack-Historie.
Was du mitbringst
Sehr starke Praxis in ML Engineering, verteilten Systemen, TypeScript/Python/Rust oder vergleichbaren Stacks.
Du denkst in Zuständen, Datenflüssen, Hashes, Tests, Metriken und operativer Nachvollziehbarkeit.
Du kannst Forschung ernst nehmen, ohne daraus unwartbare Experimente zu bauen.
Du hast kein المشكلة damit, Claims zu reduzieren, bis sie technisch beweisbar sind.
Fragen, die uns in deiner Bewerbung interessieren
Wie würdest du einen KI-Lauf so speichern, dass er später auditierbar und reproduzierbar bleibt?
Welche Metriken würdest du nutzen, um Reuse, Novelty und Trust nicht nur rhetorisch zu beschreiben?
Wo ziehst du die Grenze zwischen Research-Prototyp und produktionsfähigem System?
Bewerbung vorbereiten
Wir brauchen keinen klassischen Motivationsbrief. Hilfreicher ist Material, an dem man deine Arbeitsweise und technische Urteilskraft erkennt.
Bewerbungsseite öffnen