LiveKit cerca una figura di ingegneria eccezionale per costruire il post-training dei propri modelli. Gli agenti girano su voce e sempre piu su canali testuali come SMS e chat, e i problemi interessanti emergono sugli orizzonti lunghi: restare utili attraverso molte sessioni, lavorare con contesto che si accumula nel tempo e usare tool in modo affidabile nel mezzo di una conversazione dal vivo.
Ruolo
Costruirai gli ambienti e i verifier contro cui i modelli vengono addestrati e sarai responsabile della pipeline di dati sintetici, dalla generazione fino ai controlli di qualita. Condurrai gli esperimenti di training dall'inizio alla fine, spiegando che cosa ha effettivamente spostato il modello, e costruirai le valutazioni che ogni rilascio deve superare. Sceglierai e adatterai modelli base open-weight ai compiti specifici della piattaforma, farai in modo che il comportamento addestrato regga sia per gli agenti vocali sia per quelli testuali, e porterai i modelli in produzione continuando a migliorarli sull'uso reale. Serve forte competenza come Python engineer e l'aver gia portato un modello dai dati grezzi fino alla produzione, trattando i dati come il vero prodotto in termini di copertura, diversita e leakage. Occorre dare per scontato che un modello sfruttera qualsiasi reward debole e progettare di conseguenza, avere dimestichezza con le GPU e i loro limiti e sapere quando addestrare e quando non farlo.
Tecnologie
Python, GPU e training multi-GPU con FSDP. Sono apprezzate esperienze di post-training con fine-tuning, reward design e reinforcement learning come GRPO, framework quali TRL, verl o OpenRLHF, rollout veloci con vLLM o SGLang, training di agenti multi-turn che usano tool, sandbox di esecuzione ed eval harness, oltre a famiglie open-weight come Qwen o Llama e a tecniche come LoRA.
Condividi annuncio
Informazioni su LiveKit
LiveKit costruisce il livello infrastrutturale su cui girano le applicazioni di intelligenza artificiale in tempo reale. Fondata nel 2021, la societa offre agli sviluppatori tutto il necessario per costruire, testare, distribuire, scalare e osservare agenti AI in produzione: dal trasporto audio e video a bassa latenza fino agli strumenti di observability e debug che servono quando un agente conversazionale entra in contatto con utenti veri. Il cuore della piattaforma e open source e viene usato ogni giorno da decine di migliaia di sviluppatori in tutto il mondo.
Tra i clienti che appoggiano i propri prodotti vocali e agentici su LiveKit ci sono OpenAI, Salesforce, Spotify e Meta, per un volume complessivo di miliardi di chiamate gestite ogni anno. La tecnologia comprende SDK per praticamente ogni piattaforma, da Rust e Go a TypeScript, Swift, Kotlin, Unity e Flutter, insieme a un framework per agenti in Python e TypeScript e a una infrastruttura cloud globale basata su Kubernetes, NATS, CockroachDB e ClickHouse. La squadra e piccola, molto senior e distribuita: si lavora con forte autonomia, si contribuisce in modo continuo a progetti open source e le decisioni tecniche arrivano rapidamente in produzione, su sistemi dove latenza, affidabilita e semplicita operativa contano davvero.