Morph(YC S23)が技術スタッフを採用中

2026/08/02 7:52

Morph(YC S23)が技術スタッフを採用中

RSS: https://news.ycombinator.com/rss

要約

Japanese Translation:

Morph は、2025 年に設立され、現在 Series B ラウンドでアクティブな活動を行っている YC サポートのスタートアップであり、小規模なチームが膨大な計算リソースを管理しています。同社は、 frontier-scale の AI モデルに対してより高速・低コストかつ信頼性の高い推論インフラを構築するために、性能エンジニアを緊急に求めています。核心的なミッションは、理論的なハードウェアのパフォーマンスと実世界の生産効率の間のギャップを埋めることであり、これには高レベルの API から個々のカーネルに至るまで、スタック全体を通じて遅延やスループットの低下を追跡することが含まれます。主要な責任には、バッチ処理戦略、スケジューリングアルゴリズム、ルーティングメカニズム、量子化技術、分散実行の最適化が含まれ、これらの最適化はトークン/秒を最大化しコストを最小化することを目的としつつ、正確性についても同様に重視されます。成功のためには、モデル品質を損なうことなくボトルネックを可視化するカスタムベンチマークと観測可能性ツールを開発することが不可欠です。候補者は、推論スタックの複数の階層にわたる最高水準の専門知識、GPU パフォーマンス(メモリ帯域幅、コレクティブ)、Python に深い精通度、そして未見のコードベースを素早くナビゲートして、推論用のモデルを改善しカスタム推論スタックを洗練させる能力を有していることが必須です。このユニークな機会を通じて、エンジニアは創業者と直接協力し、カスタムスタックを開発することで、安価に最も速いオープンモデルを提供すると同時に、ハードウェアの精密な調整により生産性の信頼性を高めかつ遅延を削減することに貢献できます。

本文

コーディングエージェント向け最適化ファストモデル開発(Morph)

技術スタッフメンバー招聘

  • 年収: $175K - $350K
  • ボーナス率: 0.40%
  • 所在地: 米国・カリフォルニア州・サンフランシスコ
  • 所属: YC ファンドに所属するトップクラススタートアップ創業者陣との直接連携

ポジション概要

エンジニアリング・機械学習分野の要職。最優秀な候補者は、推論スタックの複数の領域において上位 1% のスキルを兼ね備えることが期待されます。

研究・開発の焦点

  • PD(プロセッサ分散)ディスアグリゲーション: 関連する研究に従事。
  • Morph プロジェクト: 最も高速なオープンソースモデルを支えるインフラストラクチャーを構築中。
    • 技術スタックは、カーネル、モデルサービング、ルーティング、オートスケーリング、容量計画にわたる。
    • システム全体をさらに高速化し、低コスト化するとともに、高信頼性を実現するパフォーマンスエンジニアの採用を目指しています。

業務内容

  • 性能ギャップの特定: 理論的なハードウェア性能と実稼働環境での性能の差を見つけ出す。
  • ボトルネック解析: API レイヤーからカーネルレベルまで、レイテンシやスループット劣化の原因を追跡・分析する。
    対象範囲:API → カーネルレベル
    目的:レイテンシ低下・スループット減の特定と原因究明
    
  • 最適化タスク:
    • バッチ処理、スケジューリング、ルーティングの最適化。
    • 量子化(Quantization)の実装と改善。
    • 分散実行の効率化。
  • ベンチマーク構築: ボトルネックを明確に可視化する測定ツールと観測性の導入。
  • 品質検証: 全最適化プロセスにおいて、モデル品質と正解性を保持することを厳格に検証する。
  • 実装・デプロイ: 改善機会の優先順位付けを行い、最もインパクトの高い修正を自ら実装して環境へ投入する。

求める人物像

複雑なプロダクションシステムの性能最適化経験が必須です。

技術的な要件

  • GPU 基盤の理解: GPU 性能、メモリバンド幅、コレクティブ演算、推論サービングの仕組みを深く理解している方。
  • 言語スキル: Python に強く、未知のコードベースにも自発的に取り組める方。
  • データドリブン思考: プロファイリングデータを分析し、明確なエンジニアリング判断へと結びつけられる方。

価値観・姿勢

  • バランス感覚: 「トークン/秒」、「トークン/ドル(コスト対性能)」、「正解性」のいずれも他より優先せず、同等に重視できる方
  • フロンティア精神: 創業者陣と直接連携し、フロンティアスケールのモデルをいかに効率的にサービングするかという決定づける課題に取り組んでいただける方。

注記: 少人数チーム(3 名)でありながら莫大な計算リソースを扱い、直ちにプロダクション環境へのインパクトをもたらすポジションです。


About Morph(企業情報)

専門的なコード生成モデルを開発し、独自設計の推論スタック上でこれらのモデルを提供しています。技術業務には、カーネルおよびカスタム スペキュレーティブデコーディングモデルに関する**自己調査(Autoresearch)**が含まれます。

基本情報

  • 設立年: 2025 年
  • バッチ: S23
  • チーム規模: 3 名
  • ステータス: 活動中
  • 所在地: サンフランシスコ
  • 創業者: YC ファンド所属のトップクラススタートアップ創業者陣

同じ日のほかのニュース

一覧に戻る →

2026/08/02 7:25

正しい質問さえすれば、AI ファイナンシャルアドバイスの精度は驚くほど高い

## Japanese Translation: 人工知能(AI)は、人間のアドバイザーに見られるコスト、偏見、利益相反を回避して利用者を支援する安価な財務指導を提供しますが、監督なしでその自動的なアドバイスに従うと、壊滅的な資産損失を引き起こす可能性があります。MIT スローン校およびスタンフォード大学の学者による最近の研究では、現在の AI モデルには失業のような急激な経済ショックに適応するためのニュアンスが欠けており、たとえ蓄積があるにもかかわらず、大規模な支出削減を誤って推奨する傾向にあることが明らかにされています。さらに、これらのモデルはアクティブなポートフォリオ再調整で困難に遭遇し、状況の変化に合わせて調整する代わりに漂う(ドリフトする)傾向があります。この制限はデータへのアクセス不足ではなく、プロンプトエンジニアリングの不備およびモデル自体の偏見に起因します。 22 歳から 89 歳までの個人を追跡する大規模なシミュレーションでは、構造化されていない AI との相互作用への依存により、60 歳までに格差が大幅に拡大しました。具体的には、女性や財務リテラシーが低い利用者は、プロンプトの作成方法においてもモデルによる解釈方法においても存在する性別偏見により、純資産が最大で 10 万ドル減少するという結果を示しました。専門家は、取引に基づく AI 指示のみを頼りにし、事前にリテラシー教育を受けていない場合に、最も脆弱なグループに対しては、予測される資産の約 6% に相当する複合的な損失が発生する可能性があるとして警告しています。したがって、本研究では AI を主に財務理解を構築するための手段として利用すること、および企業側が製品説明がますます独立した推奨事項を生み出し、従来のマーケティングの防護策を回避する可能性に留意しなくてはいけないことを提言しています。

2026/08/02 5:33

ダイタキシス

## Japanese Translation: Diátaxis は、ユーザーニーズ、コンテンツ、スタイルおよびアーキテクチャに対応しながら、堅固な実装制約を課さずに高品質な技術文書の作成を行うための体系的で軽量なフレームワークです。その核心的な強みは、チュートリアル、ハウツーガイド、技術リファレンス、説明という 4 つの異なる情報タイプを分類し、読者の意図と整合させるためにこの構造を中心にコンテンツを整理することにあります。この能動的品質原則は、情報アーキテクチャを簡素化し発見可能性を高めるシンプルなアプローチを提供することで、作成者とユーザーの双方に力を付与します。Diátaxis は数百プロジェクトで成功裏に採用されており、Cloudflare などの組織のリデザインにおいて「北極星」として機能しています。具体的な事例では、Vonage においては Greg Frileux が貢献者から愛されている内部ドキュメントの構築に役立ったことを指摘し、Gatsby においては Megan Sullivan がオープンソースリソースを再編成して発見しやすくしたことが挙げられます。結局のところ、Diátaxis はドキュメントが読者に直接的な価値を提供するとともに、明確で構造化されたコンテンツを通じて企業が貢献者を保持するのを支援します。

2026/08/02 5:45

シードダンス 2.5

## Japanese Translation: ByteDance が、長編ストーリーテリング、精密な編集、そして高度なマルチモーダル参照における画期的な進歩によりコンテンツ制作を革新することを目的とした次世代の動画生成モデル「Seedance 2.5」を正式にローンチしました。本モデルは、1 つのパスで高品質な 30 秒間のオーディオ・ビデオクリップを生成し、複数ラウンドの拡張をサポートして一貫性のある数分の長編ナラティブを作成できます。ユーザーはガイドとして最大 30 枚の画像、10 クリップ分の動画、または 10 クリップ分のオーディオを入力でき、テクスチャレスな 3D モデルを使用して複雑な空間構造を構築する際に役立つ粘土レンダリング参照も使用可能です。Seedance 2.5 はオーディオとビデオの精密な編集のためにタイムスタンプレベルの制御を導入し、グリーンスクリーンやカメラ視点変更などの機能を増強しつつ、カット間での対象物の安定性とビジュアル同期を保証します。システム最適化により、物体のテクスチャ、肌/目の特徴、物理法則に従う照明などといった視覚的な詳細が向上し、AI 動画に一般的な人工的な外見を大幅に軽減します。本技術は、歴史および科学的文脈向けの没入型教育シミュレーション、ロボットトレーニング用の合成データ生成、自動運転車両向けの極端な気象シナリオの安全なシミュレーションなど多様な用途への展開を可能にします。本日、Jimeng AI と Doubao Pro でお利用可能で、より広範な API アクセスは間もなく BytePlus ModelArk を介して提供されます。本モデルは、将来的な運動の妥当性と複雑なシーンにおける安定性の向上のための基盤を築きます。

Morph(YC S23)が技術スタッフを採用中 | そっか~ニュース