Harvey 8 дней назад
Research Engineer / Scientist, Reinforcement Learning
230 000 – 450 000 $в год
- Remote
- Удалённо
- Полная занятость
PythonLLMDistributed TrainingSFTRLreward modeling
Описание
Обязанности
- Вести исследовательскую повестку по улучшению долгих юридических рассуждений и agentic‑workflow.
- Проектировать и запускать пост‑тренировочные эксперименты по SFT и RL на базе открытых моделей.
- Разрабатывать функции вознаграждения и верификаторы для полупроверяемых задач (рубрики, learned preference models, экспертные предпочтения).
- Запускать и отлаживать обучение в масштабе, решать проблемы дивергенции, reward hacking и нестабильности.
- Строить строгие eval‑системы для отслеживания улучшений и принятия решений о релизе.
Требования
- Практический опыт пост‑тренировки LLMs с SFT и RL, включая оптимизацию предпочтений и прямую ответственность за тренировки и результаты.
- Сильные фундаментальные знания ML и опыт в распределённом обучении.
- Отличные инженерные навыки на Python, производство‑ориентированный код и владение end‑to‑end системой.
- Исследовательский опыт в RL для языковых моделей или reward modeling; публикации приветствуются.
Условия
- Компенсация $230K–$450K, есть equity и бонусы.
- Бенефиты: медстраховка, стоматология, покрытие зрения, пенсионные программы (401k match до 4%), гибкий PTO.