10a Labs is hiring: Machine Learning Engineer in New York

About 10a Labs: 10a Labs is the safety and threat-intelligence layer trusted by frontier AI labs, AI unicorns, Fortune 10 companies, and leading global technology platforms. Our adversarial red teaming, model evaluations, and intelligence collection enable engineering, safety, and security teams to stay ahead of evolving threats and deploy AI systems safely.

About The role: We're looking for an experienced ML engineer with a strong foundation in traditional ML and hands-on experience applying those skills to modern LLM systems. This is an applied role for someone who owns the full ML lifecycle-from data pipelines and model training to evaluation, deployment, and ongoing iteration in real-world production environments.

At least 3-8+ Years of Industry Experience Required

In This Role, You Will:

• Build and deploy a multi-stage classification system optimized for high throughput and low latency, while ensuring high recall and precision.
• Integrate continuous feedback loops from human review to refine model performance.
• Design and implement real-world ML systems with a focus on robustness, observability, and scalability.
• Collaborate with researchers and SMEs to generate training data and test against edge cases.
• Work closely with a broader team of engineers to integrate ML components into production systems and ensure end-to-end system performance.

We're Looking For Someone Who:

• Has designed and deployed full ML pipelines (data ingestion → model training → evaluation → deployment → feedback).
• Comfortable working with noisy or adversarial real-world data, not just clean benchmarks.
• Understands the performance tradeoffs between recall, precision, latency, and cost-and knows how to tune for impact.
• Moves fast with strong instincts for where to prototype, where to systematize, and how to deliver models that hold up in production.
• Brings curiosity, creativity, innovation, and a bias for action in ambiguous environments.

Requirements:

• At least 3-8+ years of professional working experience as a Machine Learning engineer, building, owning and deploying machine learning systems in production.
• Strong foundation in traditional ML techniques (e.g., clustering, anomaly detection, supervised learning).
• Hands-on experience with LLMs (e.g., OpenAI, Claude, LLaMA), including fine-tuning and prompt engineering.
• Proficiency in Python and modern ML / NLP tooling.
• Experience training models on small datasets and using in-context learning techniques.
• Familiarity with text processing pipelines, semantic embeddings, and vector search.
• Clear communicator of complex technical concepts to non-technical audiences.
• Experience deploying models in cloud environments (e.g., AWS, GCP).
• Experience designing or integrating human-in-the-loop systems for model evaluation or policy alignment.

Nice To Have Experience With:

• Real-time ML pipelines.
• Scaled moderation or large-scale threat detection.
• Vision, audio, OCR, or deepfake classification.
• Designing multilingual embedding systems with code-switch detection.
• Agentic pipelines for explainable or rationale-based moderation.
• Rapid prototyping using modern LLM APIs and frameworks (e.g., OpenAI, Hugging Face, LangChain).
• Error analysis and model forensics-comfortable diving into false positives and failure modes.

What Success Looks Like in the First 3 Months:

• You've designed and deployed a functioning moderation system using semantic embeddings and fine-tuned classifiers to detect abuse at scale.
• You've designed and refined at least one model evaluation pipeline, including precision / recall tracking and false positive analysis.
• You've contributed meaningful ideas to data strategy-synthetic generation, clustering schema, or policy alignment tuning.
• You've owned a full subsystem-from ideation to deployment-and seen it hold up under real usage and scrutiny.

Compensation & Benefits:

• Salary Range: $150K-$250K, depending on professional experience, location, and other factors.
• Bonus: Performance-based annual bonus.
• Professional Development: Support for continuing education, conferences, or training.
• Work Environment: Fully remote, U.S.-based.
• Health Benefits: Comprehensive health, dental, and vision coverage.
• Time Off: Generous PTO and paid holiday schedule.
• Retirement: 401(k) plan.

In Summary: We're looking for an experienced ML engineer with a strong foundation in traditional ML and hands-on experience applying those skills to modern LLM systems . This is an applied role for someone who owns the full ML lifecycle-from data pipelines and model training to evaluation, deployment, and ongoing iteration in real-world production environments . At least 3-8+ years of industry experience required .

En Español: Alrededor de los laboratorios 10a: 10a Labs es la capa de seguridad e inteligencia de amenazas en que confían los laboratorios fronterizos de IA, las unicornios de AI, las compañías Fortune 10 y las principales plataformas tecnológicas mundiales.

Sobre el papel: Buscamos un ingeniero ML experimentado con una sólida base en el ML tradicional y experiencia práctica aplicando esas habilidades a los sistemas modernos de LLM. Este es un papel aplicado para alguien que posee todo el ciclo de vida del ML, desde tuberías de datos y capacitación de modelos hasta evaluación, implementación e iteración continua en entornos de producción reales.

Se requieren al menos 3 a 8+ años de experiencia en la industria

En este papel, usted:

• Construir e implementar un sistema de clasificación en varias etapas optimizado para alto rendimiento y baja latencia, al tiempo que se garantiza una alta recuperación y precisión.
• Integrar los bucles de retroalimentación continuos de la revisión humana para refinar el rendimiento del modelo.
• Diseñar e implementar sistemas ML del mundo real con un enfoque en la robustez, observabilidad y escalabilidad.
• Colaborar con investigadores y pymes para generar datos de capacitación y realizar pruebas contra casos extremos.
• Trabajar estrechamente con un equipo más amplio de ingenieros para integrar componentes ML en los sistemas de producción y garantizar el rendimiento del sistema de extremo a extremo.

Buscamos a alguien que:

• Ha diseñado y implementado tuberías completas de ML (ingestión de datos → formación sobre modelos → evaluación → implementación → retroalimentación).
• Cómodo trabajar con datos ruidosos o adversarios del mundo real, no sólo puntos de referencia limpios.
• Comprende los compromisos de rendimiento entre la recuperación, precisión, latencia y costo-y sabe cómo sintonizar para el impacto.
• Se mueve rápido con instintos fuertes para dónde prototipar, donde sistematizar y cómo entregar modelos que se mantengan en producción.
• Trae curiosidad, creatividad, innovación y un sesgo para la acción en ambiguos entornos.

Requisitos:

• Al menos 3-8+ años de experiencia laboral profesional como ingeniero en aprendizaje automático, construyendo, poseyendo e implementando sistemas de aprendizaje automatico en producción.
• Una base sólida en las técnicas tradicionales de ML (por ejemplo, agrupamiento, detección de anomalías y aprendizaje supervisado).
• Experiencia práctica con los LLM (por ejemplo, OpenAI, Claude, LLaMA), incluido el ajuste fino y la ingeniería rápida.
• Proficiencia en Python y herramientas modernas de ML / NLP.
• Experimentar modelos de capacitación en pequeños conjuntos de datos y utilizando técnicas de aprendizaje dentro del contexto.
• Familiarización con las tuberías de procesamiento de texto, los embebidos semánticos y la búsqueda vectorial.
• Comunicador claro de conceptos técnicos complejos para audiencias no técnicas.
• Experiencia en el despliegue de modelos en entornos cloud (por ejemplo, AWS, GCP).
• Experiencia en el diseño o integración de sistemas humanos para la evaluación de modelos o alineación de políticas.

Es bueno tener experiencia con:

• Los oleoductos ML en tiempo real.
• Moderación escalada o detección de amenazas a gran escala.
• Visión, audio, OCR o clasificación profunda falsa.
• Diseño de sistemas integrados multilingües con detección del interruptor de código.
• Líneas de conducto para la moderación explicable o basada en racionalización.
• Prototipos rápidos utilizando modernas API y marcos de LLM (por ejemplo, OpenAI, Hugging Face, LangChain).
• Análisis de errores y modelos forenses cómodos sumergirse en falsos positivos y modos de fracaso.

Cómo es el éxito en los primeros 3 meses:

• Usted ha diseñado y implementado un sistema de moderación funcional usando embeddings semánticos y clasificadores afinados para detectar el abuso a escala.
• Usted ha diseñado y refinado al menos una línea de evaluación del modelo, incluido el seguimiento de precisión/recall y análisis falso positivo.
• Ha contribuido con ideas significativas a la generación de estrategias sintéticas de datos, esquemas de agrupación o ajuste de políticas.
• Usted ha poseído un subsistema completo, desde la ideación hasta el despliegue y lo vio aguantar bajo uso real y escrutinio.

Compensación y prestaciones:

• Rango salarial: $150K-$250K, dependiendo de la experiencia profesional, ubicación y otros factores.
• El bono es: Bonos anuales basados en el rendimiento.
• Desarrollo profesional: Apoyo a la educación continua, conferencias o capacitación.
• Ambiente de trabajo: Completamente remoto, con sede en Estados Unidos.
• Beneficios para la salud: Cobertura completa de salud, odontología y visión.
• Tiempo libre: Generosa PTO y horario de vacaciones pagadas.
• Jubilación: El plan 401 (k).