Über die Stelle
Wir suchen einen Prompt Engineer, der für den End-to-End-Workflow der technischen Migration verantwortlich ist, um Templates auf LLM-Autorater umzustellen. Die Rolle erfordert die Nutzung der internen Tools des Kunden, um mithilfe von Prompt-Engineering-Techniken die Modellleistung zu maximieren.
Aufgaben:
-
Nutze Automatic Prompt Generation (APG)-Tools, um Basis-Prompts für komplexe Parent-Child-Template-Cluster zu erstellen.
-
Betreibe und überwache das Automated Prompt Optimization (APO)-Tool, prüfe die Ausgaben und markiere, wenn das APO Deadlocks oder Plateaus erreicht.
-
Entwirf, teste und verfeinere Prompts manuell, um komplexe Template-Architekturen zu navigieren, Anti-Patterns zu überwinden und Edge Cases zu behandeln, bei denen Tooling fehlt oder fehlerhaft ist. Löse Edge-Case-Szenarien durch das Design und die Verfeinerung manueller Prompts.
-
Überwache Shadowbot-Läufe, um sicherzustellen, dass ausreichend Disagreements (zwischen menschlichen und LLM-Bewertungen) registriert, generiert und verfolgt werden.
-
Führe Prompt-Versionen gegen etablierte Gold-Daten aus, um die Autorater-Qualität kontinuierlich gegen die menschliche Crowd-Baseline zu messen und Genauigkeitsmetriken wie F1-Scores, Precision und Recall zu berechnen.
-
Entwirf technische Begründungen für die Launch-Bereitschaft (Launch Certification Documentation) für den finalen Stand.
Anforderungen:
-
Sprachkenntnisse: Muttersprachliche Portugiesischkenntnisse und fließendes Englisch.
-
Standort: Wohnsitz in Portugal erforderlich.
-
Ausbildung: Bachelor-, Master- oder Doktorgrad in Informatik, Data Science, Computerlinguistik, Human-Computer Interaction (HCI), Kognitionswissenschaft oder einem verwandten analytischen Fachgebiet.
-
Prompt Engineering & KI-Expertise: Mindestens 4 Jahre Erfahrung als Prompt Engineer. Nachgewiesene Erfahrung im Tuning von Large Language Models (LLMs) für strikte, strukturierte Ausgaben, komplexe Klassifikationsaufgaben sowie Vertrautheit mit Chain-of-Thought und Few-Shot Learning.
-
Datenanalyse: Ausgeprägte Fähigkeit, Fehlermuster zu identifizieren, die Modellleistung zu analysieren und SQL oder andere Datenanalyse-Tools zu nutzen.
-
Technische Agilität: Fähigkeit, proprietäre Tools mit minimaler Aufsicht schnell zu erlernen und zu beherrschen.
-
Kommunikation: Ausgezeichnete mündliche und schriftliche Kommunikationsfähigkeiten.
Optionale / bevorzugte Fähigkeiten:
-
Vertrautheit mit Enterprise-grade LLM-Schnittstellen wie der Goose API.
-
Erfahrung in KI-Modellbewertung, Data Science, Computerlinguistik oder Software Engineering.
-
Praktische Erfahrung mit Automated Prompt Optimization (APO)-Systemen oder Tuning-Workflows.
-
Sprachwissenschaftliche Expertise, einschließlich eines Verständnisses von Semantik und Logik.