- Страна
- США
- Зарплата
- 225 000 $ – 350 000 $
Откликайтесь
на вакансии с ИИ

AI Researcher (EBM)
Уникальное предложение с участием лауреатов премии Тьюринга и Филдса, высочайшей зарплатой в долларах и возможностью релокации в Сан-Франциско. Это работа на переднем крае науки в одной из самых перспективных AI-компаний мира.
Сложность вакансии
Это вакансия высочайшего уровня сложности, требующая степени PhD, публикаций на топовых конференциях (NeurIPS, ICML) и глубокой экспертизы в специфической области Energy-Based Models. Конкуренция будет идти среди лучших мировых талантов в области AI.
Анализ зарплаты
Предлагаемая зарплата ($225k-350k+) полностью соответствует и даже несколько превышает верхнюю планку рынка для Senior AI Researcher в Сан-Франциско, особенно учитывая дополнительный пакет эквити. Это топовый уровень компенсации для Tier-1 стартапов в Кремниевой долине.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом

Откликнитесь в Logical Intelligence уже сейчас
Присоединяйтесь к команде под руководством легенд индустрии и создавайте будущее reasoning AI в Сан-Франциско!
Описание вакансии
tl;dr: AI researcher (EBM), $225k-350k+ plus equity, San Francisco
Ищем ресёрчеров в стартап, который делает reasoning AI. Ситуация следующая:
💖 Founding Chair — Ян ЛеКун, лауреат премии Тьюринга и крёстный отец всего AI;
💜 Главный математик — Майкл Фридман, лауреат медали Филдса;
💛 В команде 10 PhD и шесть медалистов ICPC;
💚 А основательница — квантовый физик из Беркли, написавшая PhD у нобелевского лауреата 2025 года.
Ризонинг AI, про который идёт речь — не LLM-based, и от языка вообще не зависит.
Это EBM — energy-based models — модели, которые не угадывают следующий токен, а минимизируют функцию энергии в латентном пространстве. Высокая энергия — что-то не так, низкая — близко к правде. Когда-то многие считали, что ризонинг модели будут именно такими — в том числе сам ЛеКун, который топит за EBM ещё с 1980х!
Реальность, как мы знаем, оказалась просто RL-ем на длинные цепочки рассуждений. Вышло не так уж плохо — но такой ризонинг выходит очень дорогим.
EBM оптимизируют не правдоподобие, как LLM, а корректность — «что минимально нарушает ограничения».
И не генерируют отдельные токены по очереди, а оптимизируют весь трейс целиком — с возможностью улучшать его итеративно 🔧
Одно из многих применений такого ИИ — возможность писать формально верифицируемый код намного эффективнее, чем это делают LLM. А это означает надёжные системы для кардиостимуляторов, финансовых рынков, ядерных реакторов — you name it.
Logical Intelligence занимаются и разработкой EBM, и верификацией. В одном из бенчей их модель решает 96% сложных судоку, когда фронтирные LLM-ки осиливают ~2%. А их агент формальной верификации выбил безумные 99.4% на PutnamBench — и заодно исправил 15 ошибок в заданиях 🔍
Мы ищем к ним AI Researcher — с довольно узким профилем:
✨ MSc / PhD;
✨ публикации на ICLR, ICML, NeurIPS или CVPR;
✨ идеально — опыт и публикации с EBM;
✨ но могут подойти также: бэкграунд в диффузионных моделях, файнтюнинге LLM для reasoning, reasoning без авторегрессии или MCMC в латентном пространстве.
Посоветуйте нам таких людей! Особенное место в нашем сердце займут контакты тех, кто уже в Штатах, и ваших англоязычных знакомых. Откликнуться лежит этот текст на английском — перешлите его своим знакомым, это космическая возможность для релевантных ресерчеров!
Платят от $225k-$350k, а иногда и выше, дают эквити, работа в офисе в Сан-Франциско, помогут с O-1 визой. Пишите Откликнуться 💜
Создайте идеальное резюме с помощью ИИ-агента

Навыки
- Energy-Based Models
- Machine Learning
- Deep Learning
- Diffusion Models
- LLM Fine-tuning
- MCMC
- Python
- PyTorch
- Formal Verification
Возможные вопросы на собеседовании
Поскольку проект сфокусирован на EBM, важно понимать, как кандидат планирует решать проблему масштабирования функции энергии.
Как бы вы подошли к проблеме оценки константы нормализации (partition function) в высокоразмерных латентных пространствах для EBM?
Компания занимается формальной верификацией, поэтому важно понимать связь между нейронными сетями и логическим выводом.
Каким образом архитектура EBM может быть адаптирована для обеспечения формальных гарантий корректности при генерации программного кода?
В описании упоминается MCMC как альтернативный бэкграунд. Важно понять практический опыт работы с этими методами.
С какими основными трудностями вы сталкивались при использовании Langevin Dynamics или MCMC для сэмплирования в латентном пространстве, и как вы их решали?
Вакансия требует опыта публикаций в топовых изданиях.
Расскажите о вашей самой значимой публикации на ICLR/NeurIPS: какой ключевой вклад вы внесли и как это продвинуло область reasoning или генеративных моделей?
Работа в стартапе требует умения быстро проверять гипотезы.
Как вы оцениваете эффективность EBM по сравнению с RL-подходами (как в OpenAI o1) с точки зрения вычислительных затрат на этапе инференса?
Похожие вакансии
Junior Python Data Engineer
Data engineer
Senior Data Engineer
ML Engineer, Senior
Data Scientist Senior
Специалист по подготовке данных для ИИ (удалённо)
1000+ офферов получено
Устали искать работу? Мы найдём её за вас
Quick Offer улучшит ваше резюме, подберёт лучшие вакансии и откликнется за вас. Результат — в 3 раза больше приглашений на собеседования и никакой рутины!