Na Wis, estamos construindo o cérebro da próxima geração da prática jurídica, e você será o principal cientista por trás dele. Procuramos um Engenheiro de Machine Learning obcecado pela qualidade e precisão da inteligência artificial. Sua missão será ir além do uso de modelos de prateleira, especializando, avaliando e inovando em LLMs para que eles atinjam um nível de raciocínio jurídico que seja confiável, defensável e verdadeiramente transformador.
Você será responsável por construir os "testes de QI" dos nossos agentes, garantir que eles aprendam com os dados corretos e pesquisar as fronteiras do que é possível em IA generativa para resolver os desafios mais complexos do mundo do direito.
1. Especialização de Modelos (Fine-Tuning): Liderar iniciativas de fine-tuning de LLMs (open-source ou via APIs) utilizando datasets jurídicos proprietários para aumentar a precisão, reduzir alucinações e alinhar os modelos ao tom e estilo do domínio.
2. Arquitetura de Avaliação (Evals): Projetar e implementar frameworks robustos para a avaliação contínua da performance dos agentes, definindo métricas de qualidade, acurácia, relevância e segurança.
3. Pesquisa e Inovação: Manter-se na vanguarda da pesquisa em IA, experimentando e aplicando novas técnicas e arquiteturas de agentes (ex: Self-correction, Tree of Thoughts) para aprimorar a capacidade de raciocínio complexo.
4. Segurança e Mitigação de Riscos (AI Safety): Desenvolver métodos para detectar e mitigar vieses, toxicidade e vazamento de informações sensíveis nos outputs dos modelos.
5. Colaboração Técnica: Trabalhar em estreita colaboração com os Engenheiros de IA e de Dados para integrar modelos otimizados e pipelines de avaliação nos sistemas de produção.
a. Experiência comprovada em projetos de NLP/NLU, com profundo conhecimento da arquitetura de Transformers.
b. Experiência prática em fine-tuning de LLMs (usando bibliotecas como a transformers da Hugging Face).
c. Sólida proficiência em Python e em frameworks de deep learning (PyTorch ou TensorFlow).
d. Mentalidade científica e rigorosa para projetar experimentos e avaliar resultados de forma quantitativa.
e. Familiaridade com o ecossistema de ferramentas de IA (LangChain, LlamaIndex) e plataformas de MLOps.
f. Diferencial: Mestrado ou PhD em áreas relacionadas a IA/ML; publicações em conferências; experiência com AI Safety.
