智能体后训练、前沿评估与环境研究
岗位摘要
创建雄心勃勃的强化学习环境，将模型推向极限，并衡量前沿模型的能力、技能与行为；开发自动探索这些模型行为的新方法；深入研究测量科学，包括理解评估方法的可扩展性、可靠性与方差；帮助指导我们最大规模训练运行的训练，并率先看到未来
岗位职责
- 创建雄心勃勃的强化学习环境，将模型推向极限，并衡量前沿模型的能力、技能与行为
- 开发自动探索这些模型行为的新方法
- 深入研究测量科学，包括理解评估方法的可扩展性、可靠性与方差
- 帮助指导我们最大规模训练运行的训练，并率先看到未来
- 设计可扩展的系统与流程，支持持续评估
- 构建自我改进循环，以自动化模型理解
任职要求
- 在机器学习、软件工程、系统、统计学或相关领域具备扎实的技术基础，并能快速学习未接触过的部分
- 拥有LLM、RL、RLHF/RLAIF、后训练、评估、评分器、合成数据、模型训练、编码智能体、工具使用智能体或生产ML系统的实践经验
- 对开放式问题感到兴奋：路径不清晰、信号有噪声，正确答案需要研究品味与工程执行力
- 关心产品影响与模型行为，而不仅是基准分数提升；对智能体如何有用、可靠、诚实、有品味且易于协作有见解
- 能将模糊的行为问题转化为具体实验：定义假设、构建流程、运行模型、分析结果并决定下一步
- 能跨研究、产品、基础设施、数据、评估与安全边界协作，并与各组清晰沟通
- 在团队需要时，愿意构建承重系统与流程，即使工作并不光鲜
- 希望训练并发布让智能体对开发者和企业真正有用的模型