Founding Researcher

La oportunidad

Los agentes de programación ya escriben la mayor parte del código. El cuello de botella se ha movido de teclear a todo lo que hay alrededor: observar, monitorizar, depurar, encontrar causas raíz, hacer guardia, decidir qué es seguro publicar. El ciclo de vida se está plegando en dos mitades. Una es la intención. La otra es la ejecución. La mitad de la ejecución no debería ser tan difícil.

Estamos construyendo Polylane: la plataforma que permite a los desarrolladores publicar software que se opera solo. Software que se vigila a sí mismo en producción, investiga issues, encuentra causas raíz y publica arreglos antes de que nadie reciba un aviso. Software que se opera solo.

Nada de eso funciona si los agentes no son de fiar. El objetivo de este puesto es mejorar los modelos y los harnesses detrás del software que se opera solo. El problema difícil no es conseguir que un modelo proponga un arreglo; es saber, empíricamente, cuándo el agente acierta, cuándo está adivinando y cómo mover esa frontera ejecución tras ejecución. Esto es investigación en producción: tus experimentos llegan a espacios de trabajo reales, y el ciclo de retroalimentación se mide en días, no en ciclos de conferencias.

En qué trabajarías

• Mejorar los propios modelos: post-entrenamiento con datos operativos reales para que investiguen mejor los sistemas de producción con cada ejecución.
• Mejorar el harness: el ciclo del agente, las herramientas y el contexto, para que el mismo modelo llegue más lejos en el mismo incidente.
• Construir harnesses de evaluación que puntúen las investigaciones de los agentes frente a la verdad de referencia de incidentes reales de producción.
• Ejecutar experimentos de ingeniería de contexto: qué inyectar, cuándo y cuánto, entre briefings, memoria y recuperación.
• Estudiar los modos de fallo de agentes que usan herramientas en tareas operativas de largo horizonte y convertirlos en arreglos.
• Publicar internamente, y externamente cuando nos haga más agudos.

Qué buscamos

Deberías haber publicado sistemas con LLM y haberlos medido en serio, más allá de demos y sensaciones. Dominas la metodología de evaluación: construir conjuntos de datos, definir métricas, evitar la contaminación.

Escribes código con calidad de producción en TypeScript o Python y no necesitas un ingeniero de investigación para publicar. Tienes opiniones sobre fiabilidad de agentes, grounding y ventanas de contexto, respaldadas por experimentos.

Te sientes cómodo cuando la respuesta es “todavía no lo sabemos” y eres riguroso a la hora de averiguarlo.

Quién es Coreplane Labs

Un equipo pequeño, y la empresa detrás de Polylane. Hemos operado a la escala de Cloudflare, donde construimos la plataforma de observabilidad que usan millones de desarrolladores cada día. Llevamos años escribiendo, operando y rompiendo sistemas de producción para ganarnos la vida.

Coreplane es lo que viene después. Con sede en San Francisco. Trabajamos en persona.