STELLENBESCHREIBUNG

Foundation Model Systems Engineer

NEXO torna execucoes de IA deterministicas, reproduziveis e atribuiveis com Trust Score, Evidence Path e estado de conhecimento versionado.

EngineeringRemoteVollzeitSenior
REMOTE ONLYEngineering

Keine Standortpflicht. Wir suchen Menschen, die unabhängig vom Ort klare Proof-Arbeit leisten können.

Mission

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.

RuntimeProof ArtifactsKnowledge StateReplay
ROLE FACTS

Rahmen der Rolle

Die Eckdaten kommen aus der Rollenstruktur. Inhalt, Tiefe und Proof-Fragen bleiben pro Stelle im CMS gepflegt.

TeamEngineering
ArbeitsortRemote
UmfangVollzeit
LevelSenior
WAS WIR BIETEN

Remote, Verantwortung und klare Proof-Ziele

01
Remote als Standard

Alle Rollen sind remote ausgelegt. Standort ist kein Auswahlkriterium, Arbeitsqualität schon.

02
Tiefe statt Theater

Wir suchen Menschen, die Proof, Research, Engineering und Produkt ernsthaft zusammenbringen wollen.

03
Direkter Einfluss

Du arbeitest an einer neuen Modellgeneration, nicht an einer weiteren Oberfläche um bestehende KI.

04
Belegbare Arbeit

Claims, Entscheidungen und Fortschritt sollen bei NEXO nachvollziehbar bleiben: in Artefatosn, Reviews und Läufen.

NÄCHSTE SCHRITTE

So läuft die Bewerbung

01
Challenge wählen

Du wählst ein Problema, das zu deiner Denkweise passt. Rolle und Titel sind danach zweitrangig.

02
Proof einreichen

Du zeigst Lösung, Pfad, Annahmen und Grenzen. CV ist hilfreich, aber nicht das Hauptsignal.

03
Human Review

Wir reviewen die Arbeit fachlich. Automatische Checks können helfen, entscheiden aber nicht allein.

04
NDA Level oder Paid Sprint

Wenn das Signal stark ist, folgt geschützter Kontext oder ein bezahlter Trial Sprint mit klarer Aufgabe.

AUFGABEN

Was du aufbaust

01

Entwicklung von Runtime-Komponenten für deterministische Läufe, Trust Signale und Evidence Paths.

02

Aufbau von Evaluations- und Replay-Flächen, die Systemverhalten reproduzierbar prüfen.

03

Übersetzung von Research-Ideen in robuste Produkt- und Infrastrukturmodule.

04

Zusammenarbeit mit Security, Research und Produkt an klaren Failure Modes und Review-Kriterien.

05

Dokumentation von Entscheidungen als Artefatos statt als lose Slack-Historie.

PROFIL

Was du mitbringst

01

Sehr starke Praxis in ML Engineering, verteilten Systemen, TypeScript/Python/Rust oder vergleichbaren Stacks.

02

Du denkst in Zuständen, Datenflüssen, Hashes, Tests, Metriken und operativer Nachvollziehbarkeit.

03

Du kannst Forschung ernst nehmen, ohne daraus unwartbare Experimente zu bauen.

04

Du hast kein Problema damit, Claims zu reduzieren, bis sie technisch beweisbar sind.

PROOF QUESTIONS

Fragen, die uns in deiner Bewerbung interessieren

01

Wie würdest du einen KI-Lauf so speichern, dass er später auditierbar und reproduzierbar bleibt?

02

Welche Metriken würdest du nutzen, um Reuse, Novelty und Trust nicht nur rhetorisch zu beschreiben?

03

Wo ziehst du die Grenze zwischen Research-Prototyp und produktionsfähigem System?

APPLICATION

Bewerbung vorbereiten

Wir brauchen keinen klassischen Motivationsbrief. Hilfreicher ist Material, an dem man deine Arbeitsweise und technische Urteilskraft erkennt.

Bewerbungsseite öffnen