技术团队成员 - 强化学习环境
岗位摘要
构建面向不同智能体能力和行业领域的新型强化学习环境；在这些环境中训练和评估智能体；整合任务、数据、工具实现和验证器，使各组件协同工作；与建模和产品团队合作，识别智能体性能缺口，并改进智能体与环境
岗位职责
- 构建面向不同智能体能力和行业领域的新型强化学习环境
- 在这些环境中训练和评估智能体
- 整合任务、数据、工具实现和验证器，使各组件协同工作
- 与建模和产品团队合作，识别智能体性能缺口，并改进智能体与环境
- 与外部供应商合作创建由专家构建的高质量强化学习环境，并构建工具以确保任务、数据和验证器的高质量
- 自动化发现模型能力缺口，并在评估和训练过程中系统性地衡量智能体表现
任职要求
- 具备工程化智能体并针对特定行业用例进行优化的经验
- 曾花费数十小时审查智能体轨迹，以精确定位失败点，并通过模型训练或框架工程加以修复
- 热衷于衡量智能体能力，并将其转化为可重复的流程
- 曾多次讨论 AI 智能体的理想结果应是什么样，并将其转化为验证器实现，同时调整奖励设计
- 设计并运行过标注工作流，以揭示智能体表现洞察并验证数据质量
- 构建过合成数据管道，以扩展评估和训练工作
- 在日常工作中使用智能体，并有通过改进配置将生产力提升 10 倍的经验
- 加分项：具备强化学习训练经验，包括扩展、故障排查和调优环境
- 如果部分条件与您的经验不完全匹配，我们仍鼓励您申请
福利待遇
- 每周提供 75 美元/75 英镑或等值当地货币的午餐津贴
- 提供全面的健康福利（原文在此处截断）