Multimodal ML Engineer

Npv · Paris$8,333–$20,833 USD/messenior

En corto

▸Ingeniero de ML multimodal que entrena y despliega modelos grandes desde cero.
▸Día a día: construye pipelines de datos, entrena arquitecturas MoE y optimiza modelos para producción con enfoque en alineación.
▸Destacado: trabajas en una startup de seguridad de IA con backing de líderes de OpenAI, Anthropic, Mistral, etc.

English Speaking Jobs in France

Postularme en la empresa ↗Compartir por WhatsApp

En ~1 minuto te damos: quién te entrevista, las preguntas probables con respuestas desde tu CV, y tu CV adaptado a esta vacante. Gratis, sin tarjeta.

🎧¿Llegás a la entrevista? Llevá el copiloto. Nuestra extensión escucha la entrevista en vivo y te muestra anclas de 3-4 palabras desde tu CV y tu preparación — mirás, conectás, hablás. Gratis. Ver la extensión →

¿Qué piden?

✓3+ años entrenando modelos multimodales a gran escala.
✓Experiencia sólida en PyTorch y entrenamiento distribuido (DeepSpeed, FSDP).
✓Conocimiento profundo de arquitecturas multimodales (LLaVA, Qwen-VL, Audio Flamingo, Whisper, etc.).
✓Experiencia práctica en RLHF/alignamiento (DPO, GRPO, modelado de recompensas).
✓Experiencia con audio y video: modelado de secuencias, curación de datos a gran escala, optimización de inferencia.
✓Disponibilidad para mudarse a París o Londres (híbrido).

¿No cumplís todo? Es lo normal — tu dossier gratis te dice qué gaps tenés y cómo cubrirlos en la entrevista.

PyTorchDeepSpeedFSDPLLaVAQwen-VLInternVLAudio FlamingoWhisperHuBERTConformer

¿A quién escribirle en Npv?

Tu dossier gratis identifica a las personas que te entrevistarían — con su background, qué valoran y cómo escribirles para destacar antes de aplicar.

We're looking for a Multimodal ML Engineer to join White Circle , an AI Safety company building the policy enforcement and optimization layer for AI systems. Backed by $11M from senior leaders at OpenAI, Anthropic, HuggingFace, Mistral, and DeepMind, White Circle processes 100M+ API calls monthly and runs its own LLMs in production. You will Train and fine-tune large-scale multimodal models (vision-language, audio, speech, video) from scratch and from pretrained checkpoints. Design experiments, build multimodal data pipelines, and train MoE architectures. Build alignment pipelines (SFT, DPO, GRPO), optimize for production (quantization, distillation, streaming), and deploy end-to-end. Define evaluation metrics that actually matter for the product. Requirements 3+ years training large-scale multimodal models. Strong PyTorch and distributed training experience (DeepSpeed, FSDP). Deep familiarity with multimodal architectures – LLaVA, Qwen-VL, InternVL, Audio Flamingo, Whisper, HuBERT, Conformer or similar. Hands-on RLHF/alignment across modalities (GRPO, DPO, reward modeling). Both audio and video experience required – sequence modeling for each, plus large-scale dataset curation and production inference optimization. Relocation to Paris or London (hybrid) required. Bonus Audio signal processing fundamentals – spectrograms, mel features, noise reduction. MoE architecture experience. We offer $100k–$250k/year salary + equity; higher figures can be negotiated. Official employment, visa and relocation help. Compensation: $100K – $250K • Higher figures and equity are negotiable • $100K – $250K • Higher figures and equity are negotiable Find more English Speaking Jobs in France on Arbeitnow

No apliques sin prepararte

Investigamos quién te entrevista, adaptamos tu CV y te ensayamos en vivo — gratis la primera.