Pod Lead - Mathematik (Terminal Bench Science)

Über Turing:

Turing ist eines der weltweit am schnellsten wachsenden KI-Unternehmen und beschleunigt die Weiterentwicklung und den Einsatz leistungsstarker KI-Systeme.

Turing unterstützt Kunden auf zwei Arten: Zum einen arbeitet Turing mit den weltweit führenden KI-Laboren zusammen, um die Fähigkeiten von Spitzenmodellen in den Bereichen Denken, logisches Schlussfolgern, Programmierung, agentisches Verhalten, Multimodalität, Mehrsprachigkeit, MINT und Spitzenwissen voranzubringen; zum anderen nutzt Turing diese Arbeit, um reale KI-Systeme zu entwickeln, die geschäftskritische Prioritäten von Unternehmen lösen.

Überblick über die Rolle

Wir suchen eine erfahrene Expertin bzw. einen erfahrenen Experten für Mathematik, die bzw. der ein Pod von 5–10 Trainern leitet, das realistische, terminalbasierte wissenschaftliche und technische Aufgaben für Terminal Bench Science entwickelt.

Sie prüfen von Trainern erstellte Aufgaben auf mathematische Korrektheit, Reproduzierbarkeit, Anspruch und Zuverlässigkeit der Grader. Außerdem betreuen Sie die Trainer als Mentorin bzw. Mentor, steuern Qualität und Durchsatz und stellen sicher, dass die Aufgaben authentische mathematische Forschungs- und Rechenabläufe widerspiegeln.

Die Rolle umfasst numerische und angewandte Mathematik, wissenschaftliches Rechnen, Optimierung, Statistik, mathematische Modellierung, Computeralgebra und formale Verifikation.

Ihre Aufgaben

• Durchgängige Prüfung der Aufgaben, einschließlich Problemstellungen, Datensätzen, Umgebungen, Referenzlösungen und automatisierter Tests.
• Überprüfung von mathematischer Korrektheit, Wohlgestelltheit, Konvergenz, Stabilität, Konditionierung, Diskretisierungsfehler und Behandlung von Randfällen.
• Sicherstellung, dass die Aufgaben echtes mehrstufiges Schlussfolgern erfordern und nicht bloßes Nachschlagen oder einen einzelnen Bibliotheksaufruf.
• Validierung, dass exakte, symbolische, beliebig genaue oder Gleitkomma-Berechnung angemessen eingesetzt wird.
• Kontrolle, dass die Toleranzen zur numerischen Konditionierung des Problems passen.
• Entwurf und Prüfung von Gradern auf Grundlage mathematischer Eigenschaften wie Residuen, Zulässigkeit, Optimalitätszertifikaten, Invarianten, Fehlerschranken oder Beweisprüfung.
• Sicherstellung der Reproduzierbarkeit der Aufgaben durch festgeschriebene (gepinnte) Werkzeuge, Bibliotheken, Solver-Versionen und Abhängigkeiten.
• Erkennen und Verhindern von fest codierten Lösungen, dem Durchsickern von Testdateien und anderen Methoden, die vorgesehene Berechnung zu umgehen.
• Präzise, umsetzbare Rückmeldungen und Nachverfolgung der Überarbeitungen der Trainer bis zum Abschluss.
• Betreuung und Einarbeitung der Trainer in mathematische Strenge, Aufgabengestaltung, Programmierpraktiken und Bewertungsstandards.
• Verteilung der Arbeit, Überwachung von Qualität und Durchsatz und Eskalation von Blockaden.
• Pflege der Pod-Dokumentation zu Richtlinien, wiederkehrenden Problemen und vorbildlichen Aufgaben.
• Zusammenarbeit mit dem Team Lead Mathematik und anderen technischen Stakeholdern zur Verbesserung der Benchmark-Qualität.

Was wir suchen

• Promotion, Postdoc-Erfahrung oder gleichwertige fortgeschrittene Erfahrung in Mathematik, angewandter Mathematik, Statistik oder einem verwandten Fachgebiet.
• Fundierte Programmierkenntnisse in Python, Julia, C/C++, MATLAB/Octave oder einem Computeralgebrasystem.
• Sicherer Umgang mit Linux und dem Terminal.
• Praktische Erfahrung mit numerischen Methoden, wissenschaftlichem Rechnen, symbolischer Berechnung, Optimierung, computergestützter Statistik oder mathematischer Modellierung.
• Fähigkeit, mathematische Herleitungen, Algorithmen, Beweise und Rechenergebnisse streng zu bewerten.
• Erfahrung in der Prüfung von Forschungsergebnissen, Code, mathematischer Arbeit oder wissenschaftlichen Arbeitsabläufen.
• Erfahrung in der Betreuung oder Leitung kleiner technischer oder Forschungsteams.
• Ausgeprägte schriftliche Kommunikationsfähigkeit und die Fähigkeit, präzise, konstruktive Rückmeldungen zu geben.
• Fähigkeit, Reproduzierbarkeit, Testzuverlässigkeit und die wissenschaftliche Validität rechnerischer Aufgaben zu beurteilen.

Von Vorteil

• Erfahrung mit NumPy, SciPy, SymPy, mpmath, SageMath, PARI/GP, GAP, Macaulay2 oder Mathematica-ähnlichen Arbeitsabläufen.
• Erfahrung mit FEniCS, Firedrake, DifferentialEquations.jl, PETSc oder ähnlichen ODE-/PDE-Werkzeugen.
• Erfahrung mit CVXPY, JuMP, Pyomo, HiGHS oder anderen Optimierungs-Frameworks.
• Vertrautheit mit Lean/mathlib, Coq/Rocq, Isabelle oder anderen Beweisassistenten.
• Erfahrung mit Docker, Git, CI-Systemen und automatisiertem Testen.
• Erfahrung im Entwurf von Benchmarks, Wettbewerbsaufgaben oder rechnerischen Evaluierungen.
• Erfahrung in der Bewertung von KI-Coding-, Reasoning- oder Terminal-Agenten.
• Erfahrung im Stellen oder Bewerten von Aufgaben für Mathematikolympiaden oder Wettbewerbe.
• Publikationen oder Open-Source-Beiträge in computergestützter Mathematik, numerischer Software oder formalisierter Mathematik.
• Frühere Erfahrung in Programmen zum KI-Training, zur Datengenerierung oder zur Modellevaluierung.

Angebotsdetails:

• Erforderlicher Einsatz: Mindestens 4 Stunden pro Tag und mindestens 40 Stunden pro Woche mit einer Überschneidung von 4 Stunden mit PST.
• Beschäftigungsart: Auftragnehmer-Einsatz (kein Anspruch auf Krankheits- oder bezahlten Urlaub)
• Vertragsdauer: 4 Woche [voraussichtlicher Starttermin ist nächste Woche]