Harvey

Research Engineer / Scientist, Reinforcement Learning

Коротко

Роль исследователя/инженера по reinforcement learning для post-training открытых языковых моделей с применением SFT и RL. Требуется разработка reward-функций и верификаторов для юридических задач, а также отладка распределённого обучения и оценка качества моделей. Нужен практический опыт post-training LLM, глубокое понимание ML, сильный Python и опыт production-разработки.

Задачи:

— Разрабатывать post-training эксперименты с SFT и RL для открытых языковых моделей;

— Создавать reward-функции и верификаторы для сложных юридических задач;

— Отлаживать распределённое обучение и оценивать качество моделей перед выпуском.

Требования:

— Практический опыт post-training LLM с SFT, RL и оптимизацией предпочтений;

— Глубокое понимание ML и опыт надёжного распределённого обучения;

— Сильный Python и опыт разработки production-кода;

— Исследовательский опыт RL для языковых моделей или reward modeling.

Хватит откликаться.
Получите рекомендацию.

$10 стартовых кредитов

Всего 60 секунд, полностью на автопилоте — AI-агенты Eraldt читают ваше резюме, определяют подходящие роли, находят живые вакансии и людей, которые могут вас порекомендовать, пишут им личные письма и добиваются рекомендации.

Это не отклик на вакансию: резюме не уходит в компанию, а рекомендацию именно по этой роли мы не обещаем.

Посмотрите, кто ещё получает интервью на автопилоте