Founding Researcher

Szansa

Agenci kodujący piszą teraz większość kodu. Wąskie gardło przesunęło się z pisania na wszystko wokół: obserwowanie, monitorowanie, debugowanie, szukanie przyczyn źródłowych, dyżury, decydowanie, co można bezpiecznie wdrożyć. Cykl życia zapada się do dwóch połówek. Jedna to intencja. Druga to wykonanie. Połówka wykonania nie powinna być aż tak trudna.

Budujemy Polylane: platformę, która pozwala programistom dostarczać oprogramowanie, które samo o siebie dba. Oprogramowanie, które obserwuje samo siebie na produkcji, bada problemy, znajduje przyczyny źródłowe i dostarcza poprawki, zanim ktokolwiek zostanie obudzony. Oprogramowanie, które samo się utrzymuje.

Nic z tego nie działa, jeśli agentom nie można zaufać. Celem tej roli jest ulepszanie modeli i harnessów stojących za oprogramowaniem, które samo o siebie dba. Trudny problem to nie skłonienie modelu, by zaproponował poprawkę; to empiryczna wiedza, kiedy agent ma rację, kiedy zgaduje i jak przesuwać tę granicę przebieg po przebiegu. To badania na produkcji: twoje eksperymenty trafiają do prawdziwych obszarów roboczych, a pętla informacji zwrotnej mierzy się w dniach, nie w cyklach konferencyjnych.

Nad czym będziesz pracować

• Ulepszanie samych modeli: post-training na prawdziwych danych operacyjnych, żeby z każdym przebiegiem lepiej badały systemy produkcyjne.
• Ulepszanie harnessu: pętli agenta, narzędzi i kontekstu, żeby ten sam model dochodził dalej w tym samym incydencie.
• Budowanie harnessów ewaluacyjnych, które oceniają dochodzenia agentów względem prawdy z prawdziwych incydentów produkcyjnych.
• Prowadzenie eksperymentów z inżynierią kontekstu: co wstrzykiwać, kiedy i ile, w briefingach, pamięci i retrievalu.
• Badanie trybów awarii agentów używających narzędzi w długich zadaniach operacyjnych i zamiana ich w poprawki.
• Publikowanie wewnętrznie, a na zewnątrz, gdy nas to wyostrza.

Kogo szukamy

Masz za sobą wdrażanie systemów LLM i poważne ich mierzenie, poza demami i wrażeniami. Płynnie poruszasz się w metodologii ewaluacji: budowanie zbiorów danych, definiowanie metryk, unikanie kontaminacji.

Piszesz kod produkcyjnej jakości w TypeScript lub Pythonie i nie potrzebujesz research engineera, żeby dostarczać. Masz zdanie o niezawodności agentów, ugruntowaniu i oknach kontekstu, poparte eksperymentami.

Czujesz się swobodnie, gdy odpowiedź brzmi „jeszcze nie wiemy”, i jesteś rygorystyczny w dochodzeniu do niej.

Kim jest Coreplane Labs?

Mały zespół i firma stojąca za Polylane. Pracowaliśmy na skalę Cloudflare, gdzie zbudowaliśmy platformę obserwowalności używaną codziennie przez miliony programistów. Spędziliśmy lata, pisząc, utrzymując i psując systemy produkcyjne na co dzień.

Coreplane to to, co przychodzi dalej. Z siedzibą w San Francisco. Pracujemy na miejscu.