研究科学家 - 多模态智能体，消费设备
岗位摘要
为多模态模型开发RLHF与后训练方法；构建奖励模型和偏好学习流程，实现自适应、个性化的模型行为；设计数据集、评分标准和评估框架，以捕捉真实任务中的用户偏好、情境适当性和长期价值；使用显式反馈、隐式信号和基于模型的评分，开展策略改进实验
岗位职责
- 为多模态模型开发RLHF与后训练方法
- 构建奖励模型和偏好学习流程，实现自适应、个性化的模型行为
- 设计数据集、评分标准和评估框架，以捕捉真实任务中的用户偏好、情境适当性和长期价值
- 使用显式反馈、隐式信号和基于模型的评分，开展策略改进实验
- 研究长时程评估问题，使模型质量不仅取决于单次回复，还取决于行为能否随时间改善结果
- 与安全研究人员紧密合作，确保适应和个性化保持对齐、可解释，并受到明确约束
- 针对产品相关行为，快速原型化并迭代训练配方、奖励公式、数据管道和评估套件
- 帮助定义OpenAI如何衡量个性化AI系统的成功，包括信任、适当性和长期用户收益
任职要求
- 拥有扎实的机器学习研究背景，具备RLHF、奖励建模、偏好优化或大模型后训练经验
- 曾从事以下一个或多个方向：强化学习、排序、推荐系统、个性化、记忆或人在回路评估
- 重视严谨的实证研究，能够设计清晰的实验、可靠的评估和有决策价值的指标
- 对依据细微行为目标训练模型这一挑战充满热情
- 有构建基于人类偏好、评分标准或真实产品行为的数据集或评估管道的经验
- 能够在跨职能、快速迭代的研究环境中高效协作并适应变化
福利待遇
- 提供搬迁支持
- 采用混合办公模式，每周到办公室工作三天