ML Inference Engineer – Terminal-Bench Task Designer (vLLM / SGLang / TensorRT-LLM)
Em resumo IA
Desenhar tarefas de nível especialista para o Terminal-Bench, transformando trabalho real de inferência e serviço de modelos de ML em desafios resolúveis por agentes de IA, com solução de referência e verificação automática. Pagamento por tarefa, cada uma com cerca de 60 a 75 minutos de esforço, início previsto em novembro de 2026.
O anúncio, por secções IA
- Função
- Desenhar tarefas de Terminal-Bench a partir de trabalho real de inferência de ML, definindo ambientes, escrevendo uma solução de referência que corre de ponta a ponta e construindo verificações automáticas que comprovem a correção do resultado, incluindo erros silenciosos como drift numérico e bugs em métricas. Empacotar com Docker e Git, documentar sistemas e regras e iterar com base no feedback dos revisores.
- Requisitos
- Mínimo de 3 anos de trabalho prático em inferência ou serviço de ML, ou doutoramento com investigação ativa na subárea, com trabalho nos últimos 3 anos
- Treino, serviço ou avaliação de modelos a escala real (multi-GPU ou serving em produção)
- Experiência prática com PyTorch ou JAX e stacks de serving
- Fluência em Python e linha de comando, e com ficheiros, CSV/JSON, APIs ou bases de dados
- Capacidade de explicar como resultados de ML falham sem erros e como os detetar
- Disponibilidade para começar até início de novembro de 2026
- Valorizado
- experiência em laboratórios de IA ou infraestrutura de LLMs, contributos para PyTorch, vLLM ou SGLang, profiling de GPU, Docker e Git, testes automatizados
- Condições
- Contrato: prestação de serviços por tarefa (task-based, pagamento por tarefa)
- Salário: não indicado
- Horário: cerca de 60 a 75 minutos por tarefa; horas semanais não indicadas
- Local: remoto
- Benefícios
- não indicados
Overview We are building a benchmark that tests how well AI agents handle real expert work in a terminal. We are hiring ML inference and serving experts to turn real, paid tasks from their jobs into expert-level Terminal-Bench challenges. Each task includes the environment, a working solution, and an automated check that proves the result is correct. ***THIS IS A TASK BASED COMPENSATION MODEL.…
A fonte pediu que o texto integral não seja reproduzido aqui: o anúncio completo está na ligação original.
Como me candidatar
Candidatura: mencionar a palavra ASTONISHED e a tag ROTUuOTMuMzEuMTgy. Início previsto em início de novembro de 2026. Processo: tarefa de vetting em vez de entrevista, depois feedback por tarefa. IA
Candidatar no anúncio original ↗
Preparar candidatura
Uma carta de apresentação e uma apresentação curta para esta oferta, escritas a partir do teu perfil, e o que aprender a seguir.
Entra e cria o teu perfil a partir do CV. É privado: não o partilhamos com ninguém.
Algo errado ou ilegal neste anúncio? Reportar
Ofertas semelhantes
- Operations Expert with Python for AI Supply Chain Task DesignToptal
- ML EngineerInnotech · Porto
- Senior / Lead Machine Learning Engineer (AI & LLM Systems) - Hybrid (2 days office)HumanIT Digital Consulting · Lisboa
- Manager - AI NativeAccenture Portugal · Braga
- AI/ML Senior Manager EngineerAccenture Portugal · Lisboa
- Engenheiro de AI/MLVisual Thinking · Porto
Salário comparado ⓘ
28 ofertas · Analistas de sistemas · teletrabalho
ver as que pagam mais →Formação para esta vaga
- AI267 - Developing and Deploying AI/ML Applications on Red Hat OpenShift AIRumosmisto · 21 h · 953 € + IVA · início 01/01/2027Pedido neste anúncio: Inteligência artificial e machine learning
- AI267: Developing and Deploying AI/ML Applications on Red Hat OpenShift AI (B-Learning)Galileuao seu ritmo · horário flexível · 40 h · 1905 €Pedido neste anúncio: Inteligência artificial e machine learning
- Inteligência Artificial & Data ScienceCESAE Digitalonline · pós-laboral · 75 h · gratuitoPedido neste anúncio: Inteligência artificial e machine learning
Requisitos IA
- 3+ anos de inferência ou serving de ML
- experiência com vLLM, SGLang ou TensorRT-LLM
Idiomas IA
Publicado em (1)
- RemoteOK visto 6 nov – 15 nov
Vista pela primeira vez a 6 nov, 21:00 · última vez a 15 nov, 20:34