Über die Stelle
Wir suchen eine/n Prompt Engineer, der/die für den End-to-End-Workflow der technischen Migration zur Übertragung von Templates auf LLM-Autorater verantwortlich ist. Die Rolle erfordert die Nutzung der internen Tools des Kunden, um mithilfe von Prompt-Engineering-Techniken die Modellleistung zu maximieren.
Aufgaben:
-
Nutzung von Automatic Prompt Generation (APG)-Tools zur Erstellung von Basis-Prompts für komplexe Parent-Child-Template-Cluster.
-
Ausführen und Überwachen des Automated Prompt Optimization (APO)-Tools, Überprüfen der Ergebnisse und Melden, wenn das APO Deadlocks oder Plateaus erreicht.
-
Manuelles Entwerfen, Testen und Verfeinern von Prompts, um komplexe Template-Architekturen zu navigieren, Anti-Patterns zu überwinden und Edge Cases zu behandeln, bei denen Tooling fehlt oder fehlerhaft ist. Lösen von Edge-Case-Szenarien durch Entwerfen und Verfeinern manueller Prompts.
-
Überwachen von Shadowbot-Läufen, um sicherzustellen, dass ausreichend Disagreements (zwischen menschlichen und LLM-Bewertungen) registriert, generiert und nachverfolgt werden.
-
Ausführen von Prompt-Versionen gegen etablierte Gold-Daten, um die Autorater-Qualität kontinuierlich gegen die menschliche Crowd-Baseline zu messen und Genauigkeitsmetriken wie F1-Scores, Precision und Recall zu berechnen.
-
Entwerfen technischer Begründungen für die Launch-Bereitschaft (Launch Certification Documentation) für das Finale.
Anforderungen:
-
Sprachkenntnisse: Muttersprachliche Italienischkenntnisse und fließende Englischkenntnisse.
-
Standort: Muss in Italien ansässig sein.
-
Ausbildung: Bachelor-, Master- oder Doktorgrad in Informatik, Data Science, Computerlinguistik, Human-Computer Interaction (HCI), Kognitionswissenschaft oder einem verwandten analytischen Bereich.
-
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 und Vertrautheit mit Chain-of-Thought und Few-Shot Learning.
-
Datenanalyse: Ausgeprägte Fähigkeit, Fehlermuster zu identifizieren, Modellleistung zu analysieren und SQL oder andere Datenanalysetools zu verwenden.
-
Technische Agilität: Fähigkeit, proprietäre Tools mit minimaler Aufsicht schnell zu erlernen und zu beherrschen.
-
Kommunikation: Ausgezeichnete mündliche und schriftliche Kommunikationsfähigkeiten.
Optionale / bevorzugte Qualifikationen:
-
Vertrautheit mit Enterprise-Grade-LLM-Schnittstellen wie der Goose API.
-
Erfahrung in KI-Modellbewertung, Data Science, Computerlinguistik oder Softwareentwicklung.
-
Praktische Erfahrung mit Automated Prompt Optimization (APO)-Systemen oder Tuning-Workflows.
-
Linguistische Expertise, einschließlich eines Verständnisses von Semantik und Logik.