Ejemplo de CV Middle AI Research Engineer
Ejemplo de CV profesional Middle AI Research Engineer. Plantilla optimizada para ATS.
Rango salarial Middle (US)
$300,000 - $500,000
Por qué este CV funciona
Verbos que indican que asumes training runs, no notebooks
Lideré, Diseñé, Reduje, Construí, Redacté, Reemplacé, Mentoricé. A nivel intermedio eres el on-call nombrado de un training run real; los verbos deben reflejar propiedad de compute y calidad, no trabajo de espectador. Los CV de MLE dicen 'implementé'; los de research engineer dicen 'maté' y 'reemplacé'.
Números que prueban FLOPs efficiency y eval lift
MMLU 5-shot en 2.4 puntos, coste de GPU-hour en un 31%, step time de 2.4s a 1.6s, 96% wall-clock sin crash. Los números de research engineer son evals, FLOPs y fiabilidad, no latencia de cara al usuario. Si tu CV se lee en p99-ms, eres un MLE.
El rigor de las ablations convierte código en hipótesis
612 configs en 5 meses, después de que la eval ablation no mostrara signal lift, después de que la eval ablation mostrara -0.3 puntos en GPQA-Diamond. Los frontier labs contratan por la disciplina de matar ramas muertas antes de que consuman GPUs, no por acumular training runs.
Influencia cross-IC en training stacks compartidos
Mentoricé a 2 junior research engineers, estandaricé el post-training eval template, contribuí a la trl library. A los research engineers de nivel intermedio se les juzga por si los runs de otros investigadores se hicieron más rápidos o más afilados gracias a ti.
Profundidad de stack nombrada al nivel que importa
FSDP-Z3 + activation checkpointing, Triton kernel pack para fused MoE routing, post-training stack de SFT y DPO. No digas 'fine-tuned LLMs'; nombra el kernel, la estrategia de paralelismo y el método post-training. Esa es la señal del research engineer.
Habilidades esenciales
- Python
- PyTorch
- JAX
- FSDP-Z3
- DeepSpeed ZeRO
- Megatron-LM
- Triton
- CUDA
- NCCL profiling
- SFT
- DPO
- RLHF
- RLAIF
- PPO
- Hugging Face TRL
- vLLM
- lm-evaluation-harness
- MMLU
- GPQA-Diamond
- MATH-500
- HumanEval
Mejore su CV
Plantillas y ejemplos de CV para AI Research Engineer desde becario hasta lead, escritos para el job spec real de un frontier lab. El rol vive entre el research scientist y el MLE de producción: conviertes papers en código de entrenamiento e inferencia ejecutable, asumes el eval harness, ejecutas ablations y entregas componentes de modelos frontier. Los recruiters de Anthropic, OpenAI, Google DeepMind, FAIR, NVIDIA Research, Cohere y Apple AIML escanean señales muy específicas: tiempo de paper-a-checkpoint, porcentajes de fiabilidad de training-runs, tasas de pase en eval-suites como MMLU, GPQA-Diamond, HumanEval y MATH-500, eficiencia de FLOPs, disciplina de coste en GPU-hours y la disciplina de matar ablations que no elevan evals. Esta guía cubre de junior a lead con métricas concretas, las herramientas que importan (PyTorch, JAX, FSDP, DeepSpeed ZeRO, Megatron-LM, Triton, RLHF, DPO, golden-trace replay) y la redacción que separa a los research engineers de los ML engineers genéricos.
Buenas prácticas para CV de AI Research Engineer Intermedio
Sé el on-call nombrado de al menos un training run real. A los research engineers de nivel intermedio se les compra por la línea 'primary on-call para la 7B dense run, 96% wall-clock sin crash en 256 H100s'. Sin un rol de owner nombrado en un training run real, sigues siendo un junior senior.
Cuantifica eficiencia de FLOPs, no solo speedups. 'Elevé MMLU 5-shot en 2.4 puntos con el mismo FLOPs budget' es más creíble que '40% más rápido entrenando' porque los frontier labs siempre miden calidad a compute constante. Empareja cada speedup con lo que se mantuvo constante.
Muestra al menos una ablation que mataste. 'Maté la synthetic-data run después de que la eval ablation mostrara -0.3 en GPQA-Diamond' es el bullet que indica madurez de research engineer. Demuestra que cambias compute por evidencia y abandonas las ramas con coste hundido; esta es la parte que los comités de contratación sondean con más agresividad.
Elige un post-training stack y asúmelo. SFT a DPO a RLHF a RLAIF es el trío post-training moderno; los CV intermedios deben nombrar qué pasos escribiste, qué kernels redactaste (p. ej. fused MoE routing en Triton) y qué head-to-head win rate se movió.
Mentoriza y estandariza. Un bullet como 'mentoricé a 2 junior research engineers en sus primeras rotaciones como ablation-owner y estandaricé el post-training eval template' es la señal más limpia de que estás listo para senior.
Errores comunes en CV de AI Research Engineer Intermedio
- Leerse como un senior MLE en vez de un research engineer
Por qué duele: Bullets como 'reduje p99 latency de 2.5s a 180ms' en un CV de research-engineer indican que optimizas serving, no calidad de entrenamiento. Los screeners de frontier lab reenvían esos CV a applied-AI en vez de a research-engineer.
Cómo arreglarlo: Reformula en unidades de research-engineer: eval lift en un benchmark nombrado, FLOPs efficiency a calidad constante, porcentaje de completion del training run, ablation kill rate.
- Sin ablation kill en ningún lugar del CV
Por qué duele: Los research engineers intermedios que nunca mataron una ablation se leen como compute-burners. Los comités de contratación sondean explícitamente 'cuéntame de un experimento que paraste'.
Cómo arreglarlo: Añade un bullet que nombre la rama muerta, la eval que la mató y los GPU-hours redirigidos. Este es a menudo el bullet que sube la oferta un nivel.
- Falta señal de ownership en un training run
Por qué duele: Sin 'primary on-call' o 'asumí el 7B run' o 'lideré el 13B distillation tier', los CV intermedios se leen como una persona que contribuyó a runs que otros asumieron.
Cómo arreglarlo: Elige un run, reclámalo explícitamente, y reporta el número de fiabilidad (% wall-clock sin crash) más la estrategia de paralelismo (FSDP-Z3, activation checkpointing, tensor parallel).
Tips rápidos para CV de AI Research Engineer Intermedio
Reclama un run en on-call nombrado. Sin un bullet de primary-on-call te lees como junior+.
Muestra un ablation kill, con la eval que lo mató y los GPU-hours redirigidos.
Elige un post-training stack (SFT/DPO/RLHF/RLAIF) y asúmelo explícitamente.
Un bullet de Triton kernel o NCCL-tuning añade medio nivel de credibilidad.
Mentoriza y estandariza. Los CV intermedios que incluyen 'mentoricé a 2 juniors y estandaricé el eval template' convierten notablemente mejor.
Preguntas frecuentes
Certificaciones recomendadas
Preparación para entrevistas
Las entrevistas de AI Research Engineer en frontier labs combinan rondas de paper-reading, take-home reproductions, diseño de sistemas de distributed-training y un panel de diseño de ablations. Espera leer un paper reciente, esbozar una receta de entrenamiento y un plan de ablations, y responder '¿qué matarías primero y por qué?'. Las rondas de senior+ añaden un ejercicio de diseño de eval-harness y una ronda de arquitectura de área de research (post-training, inference-time compute, multimodal alignment). Las rondas de código favorecen preguntas de FSDP / Triton / NCCL sobre leetcode.
Preguntas frecuentes
Preguntas comunes:
- Cuéntame de un training run que asumiste end-to-end. ¿Qué se rompió?
- Explícame una ablation que mataste.
- ¿Cómo decidiste entre SFT, DPO y RLHF para una tarea dada?
- Explica un kernel de Triton o CUDA que escribiste y el speedup vs el baseline de PyTorch.
- Diseña un eval pipeline que detecte regresiones silenciosas en post-training.
Tips: Trae un artefacto real de run-book (anonimizado) para discutir. Los recruiters a este nivel se preocupan más por el bullet del kill que por el del ship. Prepárate para defender FLOPs efficiency a calidad constante.