Senior Research Engineer/Scientist

L’équipe de formation de modèles IA de base dirige la recherche et l’ingénierie tout au long du cycle de vie du développement de grands modèles de langage pour les cas d’utilisation d’entreprise : curation des données, préentraînement, ajustement fin et évaluation. Notre objectif est d’améliorer continuellement nos modèles d’entreprise personnalisés en intégrant de nouvelles techniques et en optimisant l’efficacité de l’entraînement et de l’inférence, établissant ainsi un avantage différencié pour les applications d’IA sur toute la plateforme. Ces modèles sont utilisés dans plusieurs unités d’affaires pour alimenter un large éventail de cas d’usage, permettant aux équipes de résoudre des problèmes complexes et de fournir des solutions sur mesure. Vous aiderez à bâtir la prochaine génération de modèles de langage d’entreprise qui intégreront les expériences d’IA au quotidien de nos clients, en desservant 9 000+ clients d’entreprise à travers le monde. Nous commençons tout juste avec nos clients premiers adoptants, et nous avons besoin de votre aide pour bâtir une gamme incroyable de solutions. Ce que vous pouvez faire dans ce rôle : Face à des défis et des ensembles de données réels, vous utiliserez votre expertise et votre créativité en IA/ML pour appliquer les méthodes existantes et en développer de nouvelles afin de résoudre des problèmes de façon pratique et évolutive. Recherchez, proposez, mettez en œuvre, entraînez et évaluez des modèles et des techniques de bout en bout. Construisez et maintenez des canaux de formation et des outils d’évaluation qui rendent les résultats reproductibles et les progrès mesurables. Collaborez quotidiennement avec des chercheurs scientifiques, des ingénieurs et des gestionnaires de produit pour livrer des travaux de haute qualité et à fort impact. Assumez votre travail de la conception à la mise en œuvre, aux tests et à la livraison, en collaborant avec les propriétaires de produits pour traduire les exigences en résultats   The Core AI Model Training team leads research and engineering across the full lifecycle of large language model development for enterprise use cases: data curation, pretraining, fine-tuning, and evaluation. Our goal is to continuously improve our custom enterprise models by incorporating novel techniques and optimizing training and inference efficiency, establishing a differentiated advantage for AI applications across the platform. These models are consumed across multiple business units to power a wide range of use cases, enabling teams to solve complex problems and deliver tailored solutions. You'll help build the next generation of enterprise language models that bring AI experiences into our customers' day-to-day work, serving 9K+ enterprise customers worldwide. We're just getting started with our early-adopter customers, and we need your help building an amazing range of solutions. What you get to do in this role: Confronted with real-world challenges and datasets, you will use your AI/ML expertise and creativity to apply existing methods and develop new ones to solve problems in a practical and scalable way. Research, propose, implement, train, and evaluate models and techniques end to end. Build and maintain training pipelines and evaluation harnesses that make results reproducible and progress measurable. Collaborate daily with research scientists, engineers, and product managers to ship high-quality, high-impact work. Own your work from design through implementation, testing, and delivery, partnering with product owners to translate requirements into results Expertise en LLM post-formation, incluant l’ajustement fin supervisé et la distillation. Expertise en apprentissage par renforcement pour les LLM, incluant PPO, GRPO, DPO et modélisation par récompense. Expérience pratique avec des cadres d’entraînement et des formations distribuées/à grande échelle, incluant FSDP, DeepSpeed et Megatron, ainsi que des stratégies de parallélisme telles que tensor, pipeline, expert et parallélisme de données. Expérience en génération de données synthétiques pour la formation et l’évaluation. Expérience en curation de données à grande échelle, incluant la déduplication, le filtrage et la conception du mélange de données. Familiarité avec une gamme d’architectures de transformateurs, incluant décodeur uniquement/autorégressif, encodeur-décodeur et mélange d’experts. Python de niveau expert avec de solides bases en POO et en design pattern. Capacité à lire les recherches actuelles et à prototyper rapidement et à expérimenter de nouvelles idées. 6+ ans d’expérience pertinente avec un baccalauréat, 4+ ans avec une maîtrise, un doctorat ou une expérience équivalente. Qualifications préférées : Fondement en évaluation et benchmarking, incluant la construction de harnais d’évaluation, les vérifications de contamination et les benchmarks personnalisés pour entreprises. Expérience de préentraînement ou une perspective de bout en bout entre le préentraînement et le post-entraînement, avec une compréhension de la façon dont les choix d’une étape se propagent à l’autre. Familiarité avec les technologies d’inférence et de service telles que vLLM ou SGLang, la quantification et les compromis KV-cache. Publications dans des lieux de premier plan tels que ICLR, NeurIPS, ICML, ACL, EMNLP ou AAAI. Maîtrise des outils de productivité en IA comme Claude Code et Codex, avec un historique d’intégration réfléchie de l’IA dans les flux de travail d’ingénierie et de recherche ###### Expertise in LLM post-training, including supervised fine-tuning and distillation. Expertise in reinforcement learning for LLMs, including PPO, GRPO, DPO, and reward modeling. Hands-on experience with training frameworks and distributed/large-scale training, including FSDP, DeepSpeed, and Megatron, as well as parallelism strategies such as tensor, pipeline, expert, and data parallelism. Experience with synthetic data generation for training and evaluation. Experience with data curation at scale, including deduplication, filtering, and data-mixture design. Familiarity with a range of transformer architectures, including decoder-only/autoregressive, encoder-decoder, and mixture-of-experts. Expert-level Python with strong OOP and design-pattern fundamentals. Ability to read current research and rapidly prototype and experiment with new ideas. 6+ years of relevant experience with a Bachelor's degree, 4+ years with a Master's degree, a PhD, or equivalent experience. Preferred Qualifications: Grounding in evaluation and benchmarking, including building evaluation harnesses, contamination checks, and custom enterprise benchmarks. Pretraining experience or an end-to-end perspective across pretraining and post-training, with an understanding of how choices in one stage propagate to the other. Familiarity with inference and serving technologies such as vLLM or SGLang, quantization, and KV-cache tradeoffs. Publications at top-tier venues such as ICLR, NeurIPS, ICML, ACL, EMNLP, or AAAI. Fluency with AI productivity tools such as Claude Code and Codex, with a track record of thoughtfully integrating AI into engineering and research workflows Work Personas  Nous abordons notre monde du travail distribué avec flexibilité et confiance. Les profils de travail (flexible, à distance ou requis au bureau) sont des catégories attribuées aux employés de ServiceNow en fonction de la nature de leur travail et de leur lieu de travail assigné.  Pour en savoir plus, cliquez ici. Pour déterminer l'éligibilité à un profil de travail, ServiceNow peut confirmer la distance entre votre résidence principale et le bureau ServiceNow le plus proche à l'aide d'un service tiers.  Equal Opportunity Employer  ServiceNow est un employeur qui souscrit au principe de l'égalité d’accès à l’emploi. Tous les candidats qualifiés recevront une considération pour l’emploi sans égard à la race, la couleur, la croyance, la religion, le sexe, l’orientation sexuelle, l’o