Research Scientist, Foundation Model

Wer wir sind

Foundation-Modelle haben Text und Bilder transformiert. Strukturierte Daten - das grösste und bedeutendste Datenformat der Welt - blieben bis jetzt unberührt. Was LLMs für Sprache getan haben, tun wir für Tabellen. Wir haben tabellarische Foundation-Modelle pioniert: TabPFN v2 war eine Titelgeschichte in Nature, hat über 3,5 Millionen Downloads und mehr als 7.500 GitHub-Sterne erreicht und läuft in der Produktion, von der Erkennung von Lungenkrankheiten mit Oxford Cancer Analytics bis zur Verhinderung von Zugausfällen mit Hitachi. Die schwierigsten Probleme - Millionen von Zeilen, Echtzeitinferenz, völlig neue Modalitäten - sind noch offen, und niemand sonst arbeitet auf diesem Niveau daran.

Wir sind ein kleines, hochselektives Team von über 40 Personen mit Hintergründen von Google, DeepMind, Meta, Apple, Amazon, Jane Street und CERN, geleitet von Frank Hutter, Noah Hollmann und Sauraj Gambhir, und beraten von Bernhard Schölkopf und dem Turing-Preisträger Yann LeCun. Im Juli 2026, weniger als 18 Monate nach unserer €9M Pre-Seed-Runde, sind wir als unabhängiges Frontier-AI-Labor zu SAP gestoßen - dasselbe Team, dieselbe Mission und offene Modelle, jetzt unterstützt von mehr als €1 Milliarde über vier Jahre.

Über die Rolle

Tabellarische Daten brechen die Annahmen, die das Skalieren für Sprache und Vision ermöglichen. Es gibt keine natürliche Sequenz, keine räumliche Struktur, kein gemeinsames Vokabular über Datensätze hinweg. Die Architekturen und Skalierungsgesetze, die LLMs antreiben, übertragen sich nicht. Wir haben den ersten Durchbruch mit TabPFN erzielt - die schwierigsten Probleme stehen noch bevor.

Bei Prior Labs treiben Forschungswissenschaftler die Kernmodellagenda voran. Sie definieren Forschungsrichtungen, entwerfen neuartige Architekturen und veröffentlichen Arbeiten, die das Feld voranbringen, während sie sicherstellen, dass ihre Ideen in Modelle übersetzt werden, die tatsächlich ausgeliefert werden - dieselben Personen führen die Forschung durch und liefern die Modelle aus. Sie haben erheblichen technischen Einfluss und Raum zum Wachsen, während wir skalieren.

Die Probleme, die wir lösen:

• Skalierung von Transformer-Architekturen von 10K auf über 1M Proben - ohne die strukturellen Annahmen, die Sprachmodelle skalieren lassen
• Aufbau multimodaler Modelle, die tabellarisches, textuelles und numerisches Verständnis kombinieren
• Modelle so effizient machen, dass sie für den Einsatz in der realen Welt geeignet sind, nicht nur genau genug für ein Papier
• Entwurf von Architekturen für Zeitreihen, Prognosen, Anomalieerkennung und mehrere verwandte Tabellen
• Forschung zum kausalen Verständnis in Foundation-Modellen

Was wir suchen

• PhD in Informatik, angewandter Mathematik, Statistik, Elektrotechnik oder einem eng verwandten Bereich oder gleichwertige Forschungserfahrung mit nachweisbarem Einfluss
• Veröffentlichungen in erstklassigen ML-Veranstaltungen (NeurIPS, ICML, ICLR usw.) oder gleichwertiger Einfluss durch weit verbreitete Open-Source-Projekte, Benchmarks oder implementierte Systeme
• Starke Erfahrung im Aufbau und in der Analyse von maschinellen Lernmodellen, einschließlich Transformer- oder anderen sequenzbasierten Architekturen, unter Verwendung von PyTorch
• Solides Verständnis der Trainingsdynamik, Generalisierung, Skalierungsverhalten und gängiger Fehlerquellen in Deep-Learning-Systemen
• Ausgezeichnete Ingenieurgrundlagen und starke Python-Kenntnisse, mit einer Erfolgsbilanz beim Schreiben von qualitativ hochwertigem Forschungscode

Schön zu haben

• Erfahrung in einem Startup oder Forschungslabor in der Frühphase mit einer Auslieferungskultur
• Beiträge zu Open-Source-ML-Bibliotheken oder -Tools
• Erfahrung mit Modell-Destillation, Inferenzoptimierung oder effizienten Architekturen
• Hintergrund in tabellarischen Daten, Zeitreihen oder anderen strukturierten Daten - hilfreich, aber nicht erforderlich

Das Leben bei Prior Labs

Sie arbeiten neben Forschern und Entwicklern, die sich selbst hohe Standards setzen - sowohl in der Qualität ihrer Arbeit als auch in der Zusammenarbeit. Wir bewegen uns schnell und nehmen uns dennoch die Zeit, die Dinge richtig zu machen.

Unsere Teams sind in Berlin, Freiburg und New York ansässig - wenn Sie an etwas so Schwierigen wie TabPFN arbeiten, ist es wichtig, im selben Raum zu sein. Aber großartige Menschen kommen von überall her, und in Ausnahmefällen sind wir offen für Remote-Arbeit, was normalerweise häufige Reisen zu einem unserer Büros bedeutet. Wo auch immer Sie ansässig sind, kommt das gesamte Unternehmen regelmäßig zu Offsites zusammen, um gemeinsam zu bauen und zu feiern.

Unsere Verpflichtungen

Die besten Produkte und Teams werden von Menschen mit einer breiten Palette von Perspektiven und Hintergründen aufgebaut. Wir begrüssen Bewerbungen aus allen Identitäten und Lebensbereichen - insbesondere wenn Sie sich jemals entmutigt gefühlt haben, weil Sie "nicht jede Box abhaken" - und bieten gleiche Chancen unabhängig von Geschlecht, sexueller Orientierung, Herkunft, Behinderung oder einem anderen Merkmal, das Sie ausmacht, wer Sie sind.

Wir kümmern uns darum, wie Ihre Daten behandelt werden - siehe unsere Seite zum Datenschutz bei der Rekrutierung.