Applied AI Researcher – LLM, Memory & Agentic Systems
Description
O pozícii
Hľadáme AI Researchera, ktorý nám pomôže posúvať inteligenciu našich AI systémov v oblasti agentických workflowov, dátovej mapy, pamäte, retrievalu, evaluácií a práce s kontextom.
Rola je vhodná najmä pre doktoranda alebo človeka s výskumným zázemím, ktorý nechce zostať iba pri paperi, ale vie svoje nápady testovať, prototypovať a prekladať do riešení použiteľných pre engineering.
Budeš spolupracovať najmä s Core teamom a Datamap teamom na témach, ktoré sú kľúčové pre fungovanie personalizovaného AI asistenta: ako systém chápe používateľa, ako pracuje s jeho dátami, ako si drží kontext, ako vyhodnocuje relevantnosť informácií a ako sa rozhoduje, čo použiť, kedy a prečo.
Čomu sa budeš venovať:
Budeš pomáhať Core a Datamap tímom zlepšovať to, ako náš AI asistent pracuje s kontextom, pamäťou, dátami, nástrojmi a agentickými workflowmi. Rola stojí na pomedzí výskumu a produktu: budeš čítať a vyhodnocovať relevantné prístupy z AI/LLM sveta, ale hlavne ich testovať na konkrétnych problémoch nášho systému.
Tvoje hlavné témy budú:
- LLM, RAG a retrieval — testovanie prístupov k vyhľadávaniu relevantného kontextu, rerankingu, chunkingu, embeddingom a práci s dlhším kontextom.
- Memory a personalizácia — skúmanie, čo si má AI asistent pamätať, kedy má pamäť použiť a ako merať, či personalizácia reálne zlepšuje odpoveď.
- Datamap a štruktúrované dáta — návrh spôsobov, ako prepájať používateľské objekty, atribúty a vzťahy s prirodzeným jazykom a AI odpoveďami.
- Agentické workflowy a tool-use — analýza toho, kedy má AI použiť nástroj, ako má prebiehať handoff medzi agentmi a kde vznikajú zlyhania.
- Evaluácie AI správania — návrh praktických testov a metrík pre kvalitu odpovedí, retrievalu, memory recallu, handoffov a práce s dátami.
- Prototypovanie — tvorba rýchlych experimentov v Pythone alebo notebookoch a príprava odporúčaní pre engineering.
Výstupom tvojej práce nebudú len poznámky z paperov, ale najmä testovateľné hypotézy, prototypy, evaluačné návrhy a odporúčania, ktoré vie Core alebo Datamap tím reálne použiť.
Požiadavky:
Must-have
- dobré porozumenie moderným AI/ML princípom, najmä LLM a NLP,
- znalosť práce s Pythonom na úrovni výskumného prototypovania,
- schopnosť čítať a kriticky vyhodnocovať papers, blogy, benchmarky a technické prístupy,
- praktické chápanie aspoň niektorých oblastí:
- RAG,
- embeddings,
- vector search,
- prompt engineering,
- LLM evaluation,
- information retrieval,
- agentic workflows,
- memory/context management,
- schopnosť prekladať výskumné nápady do testovateľných hypotéz,
- analytické myslenie a schopnosť jasne vysvetliť, čo si zistil/a a prečo na tom záleží,
- ochota pracovať aj na úlohách, ktoré sa postupne vyvíjajú a nemajú od začiatku úplne jasné zadanie.
Nice-to-have
- PhD štúdium alebo výskumná skúsenosť v oblasti AI, ML, NLP, information retrieval, knowledge representation alebo príbuznej oblasti,
- znalosť ML algoritmov a prístupov: regression, trees & boosting, clustering, dimensionality reduction, time-series forecasting, neural networks & transformers, model evaluation a feature engineering,
- skúsenosť s LLM frameworkmi a nástrojmi ako LangChain, LlamaIndex, Haystack, DSPy, OpenAI/Anthropic APIs alebo Hugging Face,
- skúsenosť s evaluačnými frameworkmi pre LLM aplikácie,
- znalosť knowledge graphs, ontológií alebo semantic search,
- publikácie, výskumné projekty alebo diplomovú/dizertačnú prácu v relevantnej oblasti,
- schopnosť pracovať s Gitom a základným engineering workflowom,
- dobrý cit pre product relevance – rozlíšiť, čo je technicky zaujímavé a čo je reálne užitočné pre používateľa.
Skills
Sign in to read and join the discussion.