Ingeniero de Post-Entrenamiento de LLM

El AI Accelerator dentro de BNEW SAN tiene la misión de innovar, incubar y ofrecer soluciones basadas en IA que rediseñen fundamentalmente la Atención al Cliente y el Despliegue de Redes, pasando de una coordinación dirigida por humanos a una inteligencia compuesta y centrada en agentes. Nuestro objetivo es ir más allá de las simples mejoras de eficiencia para crear un ciclo de optimización compuesto, donde cada interacción genere conocimientos accionables que perfeccionen continuamente las operaciones, reduzcan el tiempo de comercialización y aceleren el camino hacia las operaciones de red autónomas.

Buscamos un LLM Post-Training Engineer para liderar el proceso de hacer que los modelos fundacionales sean genuinamente útiles en nuestro dominio. Los LLM preentrenados son puntos de partida potentes, pero es el post-entrenamiento lo que transforma un modelo de propósito general en un agente fiable y alineado con el dominio, capaz de operar de forma autónoma en el complejo mundo de las telecomunicaciones. Diseñarás y ejecutarás las estrategias de entrenamiento, los marcos de recompensa y los flujos de datos que definen cómo nuestros modelos razonan, responden y mejoran, cerrando la brecha entre lo que un modelo sabe de serie y lo que nuestros agentes necesitan hacer en producción.

• Diseñar y ejecutar flujos de trabajo de ajuste fino supervisado (SFT) que inyecten conocimientos específicos del dominio en los LLM base en contextos de Atención al Cliente y Despliegue de Redes
• Aplicar técnicas de ajuste fino con eficiencia de parámetros (parameter-efficient fine-tuning), incluyendo LoRA, QLoRA y métodos basados en adaptadores, para adaptar modelos grandes de forma eficaz dentro de las restricciones de computación y latencia
• Colaborar con el AI & Domain Specialist y el AI Data & Integration Engineer para garantizar que los conjuntos de datos de ajuste fino sean de alta calidad, representativos del dominio y estén correctamente formateados para los objetivos de entrenamiento
• Mantener un catálogo estructurado de variantes de modelos ajustados, puntos de control de adaptadores y configuraciones de entrenamiento asociadas para respaldar la reproducibilidad y la gobernanza del ciclo de vida
• Diseñar e implementar flujos de trabajo de entrenamiento de política-recompensa utilizando métodos de optimización avanzados, incluyendo GRPO (Group Relative Policy Optimization) y SAPO (Soft Adaptive Policy Optimization)
• Definir modelos de recompensa y conjuntos de datos de preferencia que codifiquen señales de calidad específicas del dominio, yendo más allá de la utilidad genérica para capturar cómo es un comportamiento correcto, seguro y operativamente apropiado en contextos de telecomunicaciones
• Iterar en las estrategias de alineación basándose en la retroalimentación de la evaluación y las señales de producción, perfeccionando continuamente el comportamiento del modelo para que se ajuste mejor a los requisitos del sistema y a los criterios de aceptación del dominio
• Mantenerse al día con el panorama de investigación de post-entrenamiento, que evoluciona rápidamente, identificando y evaluando nuevas técnicas de alineación para su posible adopción
• Construir y mantener flujos de trabajo automatizados para la curación de conjuntos de datos de dominio: obtención, filtrado, deduplicación y formateo de datos a escala tanto para SFT como para el entrenamiento de recompensa
• Diseñar estrategias de generación de datos sintéticos que aumenten los conjuntos de datos del mundo real, produciendo ejemplos de entrenamiento diversos y de alta calidad para escenarios donde los datos reales son escasos, sensibles o desequilibrados
• Colaborar con expertos de dominio para validar la calidad de los datos sintéticos y garantizar que los ejemplos generados reflejen con precisión los escenarios operativos reales de las telecomunicaciones
• Implementar controles de calidad de datos y comprobaciones automatizadas que mantengan la integridad del conjunto de datos a lo largo de todo el flujo de curación y generación
• Liderar la gestión de extremo a extremo de las ejecuciones de entrenamiento, incluyendo el aprovisionamiento de infraestructura, la programación de tareas, la configuración de hiperparámetros y el seguimiento de las ejecuciones
• Mantener una práctica rigurosa de seguimiento de experimentos, registrando todas las configuraciones de entrenamiento, versiones de conjuntos de datos, resultados de evaluación y artefactos de modelos para garantizar una reproducibilidad total y una toma de decisiones informada
• Definir e informar sobre métricas clave de entrenamiento (curvas de pérdida, tendencias de la señal de recompensa, puntuaciones de referencia de evaluación e indicadores de calidad de alineación), proporcionando una visibilidad clara al AI System Architect y al liderazgo de ingeniería
• Identificar y resolver inestabilidades en el entrenamiento, riesgos de sobreajuste (overfitting) y cuellos de botella en el rendimiento en todo el flujo de post-entrenamiento