الوصف الوظيفي

الأدوار والمسؤوليات

الدور

بصفتك عالم أبحاث يركز على تطوير نماذج اللغة الكبيرة المعتمدة على البيانات، ستتركز دورك على تعزيز حدود كيفية استدلال نماذج اللغة الكبيرة واسترجاعها والتفاعل مع مصادر المعلومات الخارجية. ستقوم بشكل استباقي بتحديد وجمع وتنظيم مجموعات البيانات التي تمكّن نماذج اللغة الكبيرة من أداء مهام الاستدلال المعقدة، بينما تعمل أيضًا على تطوير أنظمة وأدوات قابلة للتوسع تدمج بين أبحاث رائدة وهندسة قوية. سيكون لعملك تأثير مباشر على أداء وموثوقية الأنظمة الذكية في MBZUAI IFM.

المسؤوليات الرئيسية

قيادة الأبحاث وتنفيذ قدرات نماذج اللغة الكبيرة المحسّنة للاستدلال من خلال جمع البيانات الجديدة، وتصميم العمارة، ودمج الأنظمة.
تصميم وتنفيذ خطوط أنابيب لجمع وتنظيم وتنسيق البيانات المفتوحة المصدر وبيانات الويب ذات الصلة بمهام الاستدلال، مع ضمان قابلية التوسع وإمكانية إعادة الإنتاج.
بناء برمجيات قوية لدعم الضبط الدقيق والتقييم ونشر نماذج اللغة الكبيرة التي تتفاعل مع قواعد المعرفة المنظمة وغير المنظمة.
التعاون مع باحثي التعلم الآلي لإنشاء واختبار وتقييم أساليب جديدة في استرجاع المعلومات، والبحث الوكلي، وخطوط أنابيب RAG (التوليد المعزز بالاسترجاع).
تصميم نماذج أولية سريعة للأدوات وواجهات برمجة التطبيقات والبنية التحتية لتمكين نماذج اللغة الكبيرة من الاستدلال على المعلومات الخارجية، وبناء مجموعات بيانات لتحديد وتحليل أنماط فشل نماذج اللغة الكبيرة.
نقل نتائج الأبحاث في الوثائق الداخلية والمنشورات الخارجية (مثل المؤتمرات الرائدة مثل ACL وICLR وNeurIPS).
المساهمة في مراجعات التصميم / الكود وتعزيز أفضل الممارسات الهندسية في بيئة أبحاث عالية الأداء.
تمثيل MBZUAI في المؤتمرات والمنتديات، وتعزيز القيادة المؤسسية في أنظمة الذكاء الاصطناعي الآمنة والفعالة وعالية التأثير.
أداء جميع المهام الأخرى حسب توجيهات المدير المباشر التي تتناسب مع هذه الأهداف الوظيفية.

المؤهلات الأكاديمية

درجة الماجستير في علوم الحاسوب أو علم البيانات أو مجال تقني ذي صلة، أو خبرة عملية معادلة مطلوبة.
يفضل الحصول على دكتوراه أو خبرة بحثية معادلة في التعلم الآلي أو معالجة اللغة الطبيعية أو علم البيانات مع التركيز على الاستدلال ونماذج اللغة الكبيرة.

الحد الأدنى من الخبرة المهنية

خبرة في العمل مع نماذج اللغة الكبيرة، بما في ذلك الضبط الدقيق، وهندسة المطالبات، والتفاعل متعدد الوسائط.
مهارات قوية في تطوير بايثون مع التركيز على كود ذو جودة بحثية وخطوط بيانات قابلة للتوسع.
الإلمام بجمع ومعالجة مجموعات بيانات واسعة النطاق من المصادر المفتوحة والويب.
إظهار القدرة على العمل مع بنية التعلم الآلي (مثل: تقييم النموذج، والتحسين، وتصحيح الأخطاء).
عقلية استباقية مع القدرة على تحديد أسئلة بحثية مؤثرة والتنفيذ عليها بأقل إشراف.
مهارات فعالة في التواصل والتعاون للعمل في فرق متعددة التخصصات.

الخبرة المهنية المفضلة

خبرة في تصميم ونشر أنظمة نماذج اللغة الكبيرة الوكيلة، ومعايير الاستدلال، أو خطوط أنابيب RAG.
خلفية في بناء أنظمة استرجاع المعرفة المعقدة (مثل: الرسوم البيانية للمعرفة، البحث الدلالي، الفهرسة).
سجل نشر قوي في المؤتمرات الرائدة في الذكاء الاصطناعي (مثل: ICLR، ACL، NeurIPS، EMNLP).
الإلمام بقيود الأداء في بيئات الإنتاج والمقايضات في تصميم النماذج والبيانات.
المساهمات السابقة في أبحاث التعلم الآلي مفتوحة المصدر أو أدوات البيانات.

عالم أبحاث Institute Of Foundation Models

عالم أبحاث
Institute Of Foundation Models