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.