强化学习全栈软件工程师
岗位摘要
构建并扩展用于强化学习环境创建、管理和质量审查的 Web 平台，包括环境配置、版本控制和验证工作流；开发面向供应商的界面和工具，使外部合作伙伴能够以最小摩擦创建、提交并迭代训练环境；设计并实现大规模人类数据采集平台，包括标注工作流、质量保证系统及反馈机制，以便尽早发现奖励信号完整性问题
岗位职责
- 构建并扩展用于强化学习环境创建、管理和质量审查的 Web 平台，包括环境配置、版本控制和验证工作流
- 开发面向供应商的界面和工具，使外部合作伙伴能够以最小摩擦创建、提交并迭代训练环境
- 设计并实现大规模人类数据采集平台，包括标注工作流、质量保证系统及反馈机制，以便尽早发现奖励信号完整性问题
- 构建评估仪表盘和可观测性 UI，让研究人员实时洞察环境质量、训练运行健康状况和奖励黑客行为
- 创建连接环境编写工具、数据采集系统和强化学习训练基础设施的后端服务和 API
- 构建并扩展可扩展的代码数据生成流水线，跨语言和难度级别生成具有稳健奖励信号的多样化编程任务
- 开发入职自动化和文档工具，使新供应商和内部用户能在数小时内而非数周内上手
- 与强化学习研究人员、数据运营和供应商管理紧密合作，将模糊需求转化为范围明确、设计良好的产品
任职要求
- 无需机器学习研究背景，但需能处理模糊且高要求的问题并快速交付打磨完善、可靠的产品
- 具备端到端负责产品表面的能力，从后端服务、API 到研究人员与标注人员使用的 Web UI
- 拥有良好的判断力与产品品味，能快速响应研究人员下一步需求
- 能适应以小时或天为周期的快速迭代，而非按季度或月推进
- 能与强化学习研究人员、数据运营和供应商管理紧密协作，将模糊需求转化为明确产品