Senior AI Research Engineer

Improving; United States; Remote; USD 180,000 - 240,000; Full time

Benefits offered by this job

Remoto 100%

Bonos anuales

2 revisiones salariales/año

Apple equipment

Curso en linea

Budget para libros

Budget para materiales de trabajo

Job summary

Ulvior busca un ingeniero de sistemas agénticos para traducir ideas en código y llevar prototipos a producción. Deberá diseñar y evaluar sistemas que combinen ejecución, memoria y herramientas, manteniendo confiabilidad y costos bajo control.

Se valoran 4+ años de desarrollo y 2+ años en despliegue de LLM, Python avanzado, AWS y lectura crítica de evidencias. El rol es remoto, con contrato a largo plazo y oportunidades de crecimiento.

Qualifications

• Inglés intermedio-avanzado indispensable.
• 4+ años construyendo software, con 2+ años llevando a producción sistemas basados en LLM.
• Python sólido: async, streaming, salidas estructuradas, observabilidad; AWS preferido.
• Patrones agénticos: herramientas, bucles de planificación, gestión de estado, ejecución de largo alcance.
• Capacidad para diseñar evaluaciones que midan lo importante y distinguir señal de ruido.
• Capacidad de traducir ideas en código funcional; curiosidad y aprendizaje continuo.
• Trayectoria de llevar prototipos a producción (confiabilidad, latencia y costo).
• 100% Remoto; contrato a largo plazo; presupuesto para formación y materiales.

Responsibilities

• Construir sistemas agénticos de producción y mantener confiabilidad.
• Diseñar y ejecutar evaluaciones rigurosas (evals) para validar enfoques.
• Colaborar con ingeniería de plataforma en despliegue, latencia y costo.
• Leer artículos y convertir ideas en código funcional rápidamente.
• Prototipar patrones de agentes y consolidarlos como servicios desplegados.
• Guiar decisiones técnicas mediante resultados de experimentos.

Skills

Python

Agentic systems

Cloud infrastructure

LLM production

Evaluación rigurosa

Comunicación técnica

Monitoreo y observabilidad

LangFuse/Braintrust/AgentCore

Claude Agent SDK

MCP / Bedrock

Arquitecturas de memoria

Education

CS/Math oriented bachelor

Experiencia en software de alto rendimiento

Tools

Claude Agent SDK

MCP

Bedrock

Job description

• Nivel de inglés intermedio-avanzado o avanzado (indispensable)
• 4+ años construyendo software, con 2+ años llevando a producción sistemas basados en LLM
• Python sólido — async, streaming, salidas estructuradas, observabilidad — además de comodidad con infraestructura en la nube (AWS preferido)
• Experiencia práctica con patrones agénticos: uso de herramientas, bucles de planificación, gestión de estado, ejecución de largo alcance
• Buenos instintos de evaluación: capaz de diseñar una evaluación que realmente mida lo que importa, y sabe distinguir cuándo un resultado es señal o ruido
• Cómodo leyendo artículos y traduciendo ideas en código funcional; no necesita un doctorado para hacerlo, pero sí necesita la curiosidad
• Trayectoria comprobada de llevar sistemas de prototipo a producción — se responsabiliza de la confiabilidad, la latencia y el costo, además de la calidadSeñales que Buscamos
• Igualmente alérgico(a) a "lanzar sin medir" y a "medir para siempre sin lanzar".
• Investigador(a) pragmático(a) / ingeniero(a) curioso(a) — elige el modo correcto según el problema.
• Opiniones firmes sobre los modos de fallo de los agentes a nivel de sistema, no solo a nivel del modelo.
• Se comunica con claridad ante distintas audiencias — puede explicar un resultado de evaluación complicado a un PM y una arquitectura de memoria a un investigador.
• Eleva el estándar del equipo tanto en rigor como en velocidad tiene que ser una buena traducción es aes correcta.
• Construir sistemas agénticos (agentic systems) de nivel de producción mientras te mantienes cerca de la frontera de la investigación — el puesto vive en el punto de encuentro entre "lánzalo" y "¿es este el enfoque correcto?"
• Prototipar patrones novedosos de agentes (self-evolving loops, orquestación multiagente, arquitecturas de memoria), validarlos con evaluaciones rigurosas (evals), y luego consolidarlos en servicios desplegados
• Ser responsable de la infraestructura de evaluación de principio a fin: diseñar golden datasets, construir harnesses de LLM-as-judge, ejecutar experimentos y usar los resultados para guiar decisiones técnicas
• Leer artículos recientes y decidir qué vale la pena probar — ejecutar ablaciones rápidas, descartar ideas que no funcionan, y llevar a producción las que sí
• Colaborar con ingenieros de plataforma en despliegue, latencia y costo
• Contribuir en toda la pila tecnológica: diseño de agentes, recuperación/clasificación (retrieval/ranking), ingeniería de prompts y contexto, integración de herramientas (Claude Agent SDK, MCP, Bedrock)
• Experiencia con Claude Agent SDK, MCP, o marcos de agentes similares
• Familiaridad con la metodología de LLM-como-juez, corrección de sesgo estadístico, o plataformas de evaluación (LangFuse, Braintrust, AgentCore)
• Experiencia en recuperación/clasificación (embeddings, búsqueda híbrida, rerankers, resaltado semántico)
• Exposición a sistemas auto-mejorables, escalado de cómputo en tiempo de inferencia (test-time compute), o investigación agéntica relacionada.
• Experiencia en el dominio de GRC, tecnología legal, o software empresarial regulado
• Contribuciones de código abierto, publicaciones en blogs, o resultados de investigación aplicada
• Contrato a largo plazo.
• 100% Remoto.
• Vacaciones y PTOs
• Posibilidad de recibir 2 bonos al año.
• 2 revisiones salariales al año.
• Clases de inglés.
• Equipamiento Apple.
• Plataforma de cursos en linea
• Budget para compra de libros.
• Budget para compra de materiales de trabajo
• Mucho mas..