DataHub 关键词情报 · 数据更新至 2026-07-22
美国算法与研究招聘信息
本页聚焦美国算法与研究岗位，适合搜索具体城市和职能方向的用户查看公司、薪资和代表岗位。
活跃公司
- OpenAI83 · 39.0%
- Google DeepMind35 · 16.4%
- Scale AI24 · 11.3%
- Together AI13 · 6.1%
- Anthropic13 · 6.1%
- Cohere9 · 4.2%
- xAI9 · 4.2%
- Character.ai6 · 2.8%
- Pika5 · 2.3%
- Mistral AI5 · 2.3%
热门地点
- 美国213 · 100.0%
岗位方向
- 算法与研究213 · 100.0%
OPEN ROLES
代表岗位
研究科学家，安全后训练
设计和运行后训练流程，研究训练选择如何影响模型的安全性、鲁棒性和对齐属性；开发基于可解释性的评估方法，揭示模型产生不安全、欺骗性或其他不良行为的原因和方式，并利用这些见解指导针对性的缓解措施
机器学习工程师，大语言模型评估与可观测性
设计和策划评估数据集，包括采样策略、查询多样性和黄金数据集，以提供对真实助手行为的可靠、代表性覆盖；构建和维护大规模评估管道，在数千个真实用户查询上衡量助手质量；构建基于LLM的评判模型，评估正确性、完整性和响应质量等指标，并与人类判断对齐
系统研究工程师实习生 - GPU编程（2026年秋季）
优化和微调GPU代码，以实现更好的性能和可扩展性；与跨职能团队合作，将GPU加速解决方案集成到现有软件系统中；跟踪GPU编程技术和工具的最新进展；具备扎实的GPU编程和并行计算背景，例如CUDA和/或Triton
工程经理，研究生产力
与技术负责人、研究团队和产品团队协作，确定团队工作的优先级，以支持研究项目和训练运行的快速迭代；设计流程（例如事后复盘、事件响应、轮值制度），帮助团队高效运作；指导和支持团队成员，帮助他们理解并追求职业成长
自动化红队研究员
负责自动化红队在灾难性风险领域的研究和技术方向，初始重点包括：自动化分类器越狱发现（网络和生物）、自动化生物威胁开发诱导（最坏可行规划提升）、思维链监控规避探测（及相关的失控评估）
材料科学研究工程师
规划并快速原型化应用于科学问题的机器学习技术；开展探索性分析，为实验和研究方向提供依据；改进机器学习模型的架构和训练流程；开发工具、库和框架，加速并支持新研究；清晰高效地报告和展示软件开发成果、实验结果及数据分析
研究工程师（中期训练）
设计和迭代用于后期训练和退火训练运行的高质量数据混合方案，开发数据来源、过滤和加权的原则性方法，以增强模型能力而不降低通用性能；通过精心设计的数据策略和训练干预，推动编码、数学和长程推理方面的针对性改进，将研究见解转化为代理系统可衡量的能力提升
技术项目经理 - 模型对齐与部署
主导跨职能项目的规划与执行，涵盖数据收集、标注管道、对齐工作流（RLHF、DPO、宪法AI）、安全防护（对抗测试、红队测试）及模型服务，明确范围、目标、时间线、风险及成功指标；作为后训练、安全工程、信任与安全、机器学习基础设施、用户体验研究和产品团队之间的纽带，将模型开发、安全和用户体验优先级转化…
高级研究工程师 - 安全工具与数据
设计和实现稳健的数据管道工具，支持频繁、低摩擦的数据生成和标注；创建连贯的数据基础设施，支持与模型实验的持续并行操作；建立标准化的数据验证、分析和改进流程，涵盖训练和评估数据；与机器学习建模团队协作，使数据能力与实验需求保持一致
研究实习生（本科/硕士/博士）
直接参与视频生成模型的大规模中期训练、后期训练及优化工作；设计、原型开发并优化高吞吐量视频与多媒体数据管道的算法；与资深研究员和工程师合作，推进先进AI与视频生成技术；应用最新研究技术与生产级工作流，将视频生成进展部署到实际应用中
研究科学家 - VLM通才
设计和微调大规模VLM/LLM及混合架构，用于视觉推理、检索、3D理解和具身交互等任务；构建稳健、高效的训练和评估流程（数据整理、分布式训练、混合精度、可扩展微调）；进行模型性能的深入分析：消融研究、偏见/稳健性检查、泛化研究
模型行为架构师
设计、优化并实施上下文工程策略，以指导不同用例下的模型行为；通过精心设计的研究和评估项目，识别模型输出中的不一致性，这些项目可能针对内部或面向生产的系统；开发自动化和半自动化流程，以大规模评估代理效率
数据智能研究员/研发工程师
开展智能数据库基础研究，并将研究成果部署到实际产品中；运用统计与优化工具优化大数据管理系统的分布式存储与索引；利用统计算法实现交互式数据分析（近似查询处理与在线聚合）；进行查询优化研究，包括更准确的代价模型、执行计划选择等
AI模型推理评估员
评估模型输出的事实准确性、逻辑连贯性、谬误推理和隐藏假设；识别细微的意识形态影响、统计谬误和修辞技巧；撰写体现知识诚实性、来源评估、主次来源权衡以及置信度界定的示范性推理文本；构建对抗性示例和红队提示，以暴露模型剩余的认知弱点
应用科学家与研究工程师
在拥有数千个GPU的集群上运行预训练、后训练并部署最先进的模型；为预训练和后训练生成并管理数据，进行评估工作，确保模型性能超出预期；开发必要的工具和框架，以促进数据生成、模型训练、评估和部署
前沿风险评估研究科学家
设计和构建测试框架，用于评估AI模型和系统（包括智能体）的危险能力，如安全漏洞利用、CBRN提升及其他高风险活动；与政府机构或其他实验室合作，共同规划和设计评估方案，以衡量和减轻先进AI系统带来的风险
人工智能控制与监控研究科学家
设计方法、系统和实验，确保高级AI模型和智能体在高风险或对抗性环境中保持与预期目标一致；开发实时监控技术和可观测性方法，跟踪AI行为，识别并标记偏差、涌现能力或异常输出；研究分层控制机制，包括故障安全、监督协议和干预方法，在检测到风险时暂停或重定向AI系统
研究科学家，智能体鲁棒性
研究AI智能体能力的科学，重点关注其与安全性、风险因素及基准测试方法的关系；设计和构建测试框架，评估AI智能体在用户压力或环境诱导下采取有害行为的倾向；设计和构建针对AI智能体在编码、网页浏览和计算机使用等能力增强时出现的新独特故障模式的利用和缓解措施
ICML 2026 - 研究实习生招聘
参与前沿机器学习与人工智能研究项目；与团队合作推动生成式AI、国防应用及自动驾驶等领域的技术突破；协助开发高质量数据与全栈技术，支持世界领先模型的构建与部署；与行业领袖及政府机构合作，交付具有实际影响力的AI应用
高级/主管机器学习研究工程师，通用智能体，企业级生成式AI
设计并实现端到端的智能体系统，结合大语言模型推理、工具使用、记忆和控制逻辑，解决重复性企业用例；构建可扩展、可靠的智能体架构，能够部署到具有不同数据、工具和约束的多个客户环境中；开发评估框架、数据集、环境和指标，用于衡量智能体在生产环境中的性能、可靠性和业务影响
机器学习工程师，大语言模型评估与可观测性
设计和策划评估数据集，包括采样策略、查询多样性和黄金数据集，以提供可靠且具有代表性的真实助手行为覆盖；构建和维护大规模评估管道，用于衡量数千个真实用户查询的助手质量；构建LLM驱动的评判器，用于评分正确性、完整性和响应质量等指标，并使其与人类判断对齐
高级用户研究员（企业及平台方向）
主导企业及平台领域的高影响力研究，聚焦管理员、IT及构建者体验；在产品全生命周期中开展混合方法研究，包括基础性、生成性、评估性及发布后研究；协助塑造关键产品领域，包括管理员入职、平台设置、治理与权限、计费与消费可见性及投资回报率报告
高级用户研究员，企业及平台方向
主导企业及平台领域的高影响力研究，重点关注管理员、IT人员和构建者体验；在产品生命周期中开展混合方法研究，包括基础研究、生成式研究、评估性研究和发布后研究；协助塑造关键产品领域，包括管理员入职、平台设置、治理与权限、计费与消费可见性以及投资回报率报告
研究实习生，模型塑造（2026年秋季）
研究和实施一个或多个重点领域的新技术；设计和进行严格的实验以验证假设；在科学出版物和博客文章中记录研究结果；将研究成果集成到Together产品中；目前正在攻读计算机科学、电气工程或相关领域的学士、硕士或博士学位
研究实习生，推理方向（2026年秋季）
设计和进行严格的实验以验证假设；向团队沟通项目的计划、进展和结果；在科学出版物和博客文章中记录研究成果；目前正在攻读计算机科学、电气工程或相关领域的学士、硕士或博士学位的最后一年；具备扎实的机器学习和深度学习基础知识
研究工程师，后训练推理
设计和构建Together的系统，用于定制开源模型；构建模型塑造平台与推理平台之间的集成，确保从后训练到生产工作负载的无缝衔接；为推理引擎添加功能，支持大规模后训练实验，包括针对RL工作负载的优化
核心机器学习研究工程师
端到端提升推理效率：设计并原型化低延迟、高吞吐推理的算法、架构和调度策略；在高性能推理引擎（如SGLang/vLLM风格系统及Together推理栈）中实施并维护变更，包括内核后端、推测解码（如ATLAS）、量化等
高级技术招聘专员（AI/ML研究方向）
与高管、研究领导层和招聘经理合作，制定并执行招聘策略；主导针对AI专业人才的全周期招聘，包括研究人员、研究工程师、应用科学家和机器学习系统工程师；在学术界、开源社区、研究实验室和行业网络中建立并维护与顶尖AI人才的关系
平台工程师，模型塑造
设计和构建Together AI的模型定制系统与基础设施，包括面向用户的功能和内部改进；参与平台可靠性改进，加入值班轮换并优化事件响应流程；创建并改进部署、持续集成和可观测性的内部工具
工程经理，研究数据平台
直接与研究人员及其支持工程师合作，了解他们的工作流程，识别最高杠杆机会，并塑造团队下一步的构建方向；为团队设定平台和数据集的技术方向；设计和构建其他团队可集成的平台组件——库、服务和接口，例如训练框架使用的指标库
合同经理，研究与运营
起草、分析、谈判并完成与公司供应商的复杂商业交易，包括SaaS和知识产权许可协议；提出并开发可扩展的解决方案，以提高合同效率；与业务部门和法律团队成员合作，简化合同管理流程，识别潜在风险，并推动合同处理效率的持续改进
商业法律顾问，SPARC（安全、政策与研究合同）
起草、审查和谈判商业协议，主要涉及AI安全与研究协议，以及市场推广/销售交易，包括企业客户合同；与销售和市场推广团队紧密合作，支持交易速度并提供实用法律指导；帮助构建和维护商业法律基础设施，包括合同模板、操作手册和流程改进
Anthropic研究员项目（经济学与政策方向）
利用外部基础设施（如开源模型、公共API）开展与Anthropic研究重点一致的实证项目；产出公开成果，例如提交论文；全职投入4个月的研究工作；与Anthropic研究员直接交流并获得指导
Anthropic研究员计划 - 强化学习方向
利用外部基础设施（如开源模型、公共API）开展与Anthropic研究重点一致的实证项目；产出公开成果，例如提交学术论文；与Anthropic研究员直接合作，接受指导；参与AI安全与安全研究社区的交流活动
Anthropic研究员计划 - 机器学习系统与性能
利用外部基础设施（如开源模型、公共API）开展实证项目；以产生公开成果为目标，例如提交论文；与Anthropic研究员直接合作并接受指导；参与AI安全与安保研究社区的交流活动；具备技术背景，对AI研究和工程有浓厚兴趣
Anthropic 研究员计划 - AI 安全方向
全职从事为期4个月的研究工作；利用外部基础设施（如开源模型、公共API）开展与Anthropic研究重点一致的实证项目；产出公开成果（如提交论文）；与Anthropic研究员进行直接交流并接受指导
AI/ML研究招聘专员
与研究和技术人员直接合作，定义招聘优先级、制定搜索策略，并根据技术路线图的演变预测未来人才需求；主动识别并培养来自行业、学术界和新兴实验室的优秀AI/ML研究人才，通常在正式招聘需求出现之前
前沿网络安全风险研究员
在资深技术及风险领导指导下，设计并实施针对模型驱动网络安全滥用的缓解组件，涵盖预防、监控、检测与执行；与产品及工程团队合作，将安全防护集成到各产品层面，确保保护措施一致、低延迟，并能随使用量和新模型能力扩展
产品营销经理（研究与安全方向）
为OpenAI最重要的研究主题（包括前沿推理、计算、准备、RSI和AI安全）建立战略叙事；开发将复杂技术研究转化为面向不同受众的清晰、易懂叙事的消息传递和定位；通过营销、思想领导力、合作伙伴关系、活动及其他非传统渠道，创建传达OpenAI对前沿AI和安全观点的倡议
模型政策专家（化学与生物风险方向）
设计和维护关于化学与生物风险的模型政策，定义模型如何安全处理双重用途场景；开发化学与生物风险的结构化分类体系，用于指导模型训练数据、评估基准和安全监控系统；将生物安全和化学安全专业知识转化为可操作的模型行为，与研究和工程团队紧密合作，在训练和评估流程中落实政策
安全研究传播经理
制定清晰、可信的OpenAI安全研究外部叙事，涵盖对齐、评估、准备性、可解释性等领域；将复杂的技术工作转化为易于理解的故事，避免过度简化、夸大影响或引发不必要的恐慌；帮助定义并强化OpenAI在关键安全研究主题上的观点，并将其与整体研究路线图和使命联系起来
对齐科学研究员
设计和实施专注于意图遵循、诚实性、校准性和鲁棒性的对齐实验；使用强化学习及其他实证机器学习方法训练和评估模型；开发针对幻觉、指令遵循失败、奖励黑客、隐蔽行为和欺骗等失败模式的评估方法；研究鼓励模型验证自身行为并诚实报告缺陷的方法，包括忏悔式训练目标
研究工程师/研究科学家，数据理解（多模态）
合成多模态内容（图像、音频和视频）及其监督信号；改进噪声数据管道；构建更好的质量过滤器；使用模型自动化数据准备；衡量数据集变化对模型性能的影响；主导并推动研究议程，从选择合适的多模态数据问题到实现长期影响
研究推理团队负责人
设计和构建大规模AI模型的高性能推理运行时，注重效率、可靠性和可扩展性；拥有并优化核心执行路径，包括模型执行、内存管理、批处理和调度；开发和改进跨多GPU的分布式推理，包括并行策略、通信模式和运行时协调
研究科学家，Gemini 安全团队
对最先进的大型语言模型进行后训练和指令微调，重点关注文本到文本、图像/视频/音频到文本的多模态能力以及智能体能力；探索数据、推理和算法解决方案，确保Gemini模型安全、最大程度有用且适用于所有人
研究科学家，多模态对齐、安全与公平
开展研究：提出新想法，跟踪领域最新进展，与其他研究人员讨论研究方向；执行：设计并快速实现算法和模型，推动多模态AI对齐与安全领域的突破；开发新方法：研究改进AI行为规范、评估和引导的技术，重点关注主观和创造性任务
研究工程师，多模态推理与信息素养
规划和执行计算机视觉及多模态机器学习技术的快速原型开发，应用于媒体信息真实性判定；设计和训练具备复杂视觉推理能力的多模态模型；开展探索性分析，为实验和研究方向提供依据；与产品团队合作，推动研究成果的开发与应用
研究工程师，人类理解
推进多模态人类表征与理解：研究并实现新颖模型及其他多模态技术，以更全面地理解人类在视觉、音频和文本数据中的表现；开展应用研究：进行从假设到部署的实验研究周期；主导技术项目：负责团队内重大技术项目的构思、设计、实施与评估，常涉及跨职能协作
基础设施研究工程师
构建并拥有跨GPU集群可靠运行大规模训练任务的系统，包括任务启动器、检查点与恢复、容错机制及监控；拥有支撑数十万并发编码智能体在虚拟机沙箱中运行的底层基础设施，涵盖高保真环境设计与分布式系统
多模态研究工程师
主导视频生成模型的微调和持续训练，包括图像到视频和联合音视频生成；设计并实验用于多模态生成的新型模型架构，包括多模态条件控制（语音、结构化文本、参考图像）；利用LoRA、RLHF和全参数微调等技术，提升模型在多样化视觉场景中的质量
首席研究工程师（后训练方向）
技术领导与指导：定义并推动中后训练系统的技术路线图，平衡研究创新与生产可靠性和可扩展性。通过技术指导、设计评审和职业发展，指导并培养研究工程师团队。建立实验、模型开发和部署的最佳实践
数据研究科学家
负责大规模数据管道的架构设计和实现，支持文本、图像、音频和视频数据集的模型训练和研究工作流；与研究及工程团队合作，策展、清洗和管理多样化的多模态数据集，用于模型的预训练和中期训练；开发可扩展的数据摄取、标注、过滤、增强和存储策略及工具
基础模型研究科学家
领导大规模多模态基础模型的预训练与中训练的研究与开发；设计并原型化用于高保真、实时多模态合成与交互的新算法和架构；专注于可扩展的数据管道整理和多模态模型训练策略；推进扩散模型、自回归模型及其他生成模型在大规模预训练和微调中的前沿技术
人工智能研究科学家/工程师
使用最新的监督和强化学习技术（SFT/DPO/GRPO）对SOTA LLMs进行后训练；利用丰富的查询/答案数据集扩展Sonar、Deep Research、Comet和Search产品的模型性能
AI研究技术主管
定义并执行跨多种模态的宏观研究方向，包括针对代理轨迹的后训练LLM和未来的中期训练计划；领导战略研究规划和路线图开发，以提升Sonar模型的能力；推动监督学习和强化学习技术在查询回答中的创新
视频生成与编辑模型工程师
负责视频生成和编辑模型的微调，利用LoRA、DreamBooth等方法在特效场景中优化模型性能；设计和构建大规模数据管道和自动化标注工作流，以支持模型性能的持续改进；研究和开发视频生成模型（如Stable Video Diffusion、AnimateDiff等）的微调策略和部署解决方案
研究科学家
开发跨图像、视频、语言和音频领域的先进AI驱动生成应用，包括可控生成、编辑、个性化聊天机器人和自定义音频创作；为Pika模型实施后训练算法（如RLHF、DPO等）；提高模型的推理效率；通过创建最先进的AI功能推动产品创新
技术项目经理 - 对抗模型研究
领导探索模型意外行为及识别失效模式的计划；将模糊或突发的风险信号转化为明确的优先级和可操作的研究计划；设计并执行创新的评估、实验和红队测试活动；与研究、产品和部署团队合作，将发现整合到模型训练和部署周期中
安全研究技术主管
制定研究方向与策略，使AI系统更安全、更对齐且更稳健；与跨职能团队（如研究组织、T&S、政策及对齐团队）协调合作，确保AI符合最高安全标准；主动评估模型与系统的安全性，识别风险领域并提出缓解策略
软件工程师，研究基础设施
设计和运营计算集群的组件，包括作业调度、集群管理、快照交付和CI/CD系统；与研究团队和产品团队对接，了解工作负载需求；与硬件、基础设施和业务团队合作，提供高利用率和高度可靠的服务；拥有强大的编程技能
软件工程师，研究 - 人类数据
构建和维护用于反馈收集、数据标注和评估流程的健壮全栈系统，同时保持高水平的安全性；将实验性的对齐研究转化为可扩展的生产基础设施，包括推理和模型训练堆栈；设计和迭代面向用户的工具和后端服务，以支持高质量的数据工作流程
软件工程师，研究开发者生产力
构建和维护系统，使研究与工程组织能够迭代开发、测试和部署新功能；推动持续集成管道、测试基础设施和构建系统的设计；负责Python、Rust和C++环境的优化，提升研究开发体验；提供必要的工具和指标，支持快节奏的文化和稳定、可扩展的平台
软件工程师，模型推理
与机器学习研究人员、工程师和产品经理合作，将最新技术投入生产；与研究人员合作，通过卓越的工程支持先进研究；引入新技术、工具和架构，以提高模型推理堆栈的性能、延迟、吞吐量和效率；构建工具以识别瓶颈和不稳定源，并设计和实施解决方案以解决最高优先级问题
软件工程师，数据基础设施 - 研究
设计和维护标准化的数据集API，包括无法放入内存的多模态（MM）数据；构建主动测试和规模验证管道，用于GPU规模的数据集加载；与团队成员合作，将数据集无缝集成到训练和推理管道中，确保顺利采用和良好的用户体验
高级研究工程师/科学家 - 边缘计算，消费产品
训练和评估在多模态领域的最先进模型，重点关注对未来设备愿景重要的方向；开发新颖的架构，以在模型本身无法扩展的情况下提高性能；突破必要障碍，将新兴研究能力转化为可构建的基础能力；具备在计算资源显著少于传统GPU和数据中心加速器的环境中适配Transformer的研究背景
数学科学研究科学家
协助设计和构建擅长解决前沿数学科学问题的AI模型；构建高质量的科学数据集和合成数据管道（符号、数值和基于模拟器的）；为数学科学设计强化和评分信号，并运行强化学习/优化循环以改进模型推理
研究科学家
开发创新的机器学习技术；推动团队研究议程；与组织内其他成员合作；发现简单、可推广且在大规模下有效的想法；形成统一公司整体研究愿景的一部分；在机器学习领域有提出新想法或改进现有想法的记录，如第一作者出版物或项目
网络安全研究主管
领导并实施针对模型启用的网络安全滥用的全栈缓解策略，从预防到监控、检测和执行；在产品中集成安全保护措施，确保保护措施一致、低延迟，并能随着使用和新模型表面的增加而扩展；在网络安全风险领域做出果断的技术权衡，平衡覆盖范围、延迟、模型效用和用户隐私
化学与生物风险研究主管
领导并实施生物和化学滥用的全栈缓解策略，从预防到执行；确保安全措施在OpenAI产品中无缝集成，并随使用规模扩展；在生物风险领域内做出技术权衡的果断决策；与风险建模领导层合作，确保缓解设计与预期风险和覆盖范围一致
研究-硬件协同设计工程师
基于我们的屋顶线模拟器跟踪不断变化的工作负载，并提供分析以量化系统架构决策的影响并支持技术路径探索；调试性能模拟与实际测量之间的差距；明确沟通根本原因、瓶颈和无效假设；编写低精度数值和有损压缩方案的仿真内核，并为研究团队提供在效率与模型质量之间进行权衡所需的信息
研究员，可信人工智能
制定研究和策略，以行动相关的方式研究模型的社会影响，并将其反馈到模型设计中；构建创新方法并运行实验，使公众能够参与模型价值观的输入；通过将外部发现转化为稳健的评估，提高外部保证的严谨性
Researcher Training San Francisco
设计、原型化并扩展新架构以提升模型智能；自主或协作执行和分析实验；研究和优化模型性能及计算性能；参与训练和推理基础设施的改进；具备对大型语言模型训练的主要贡献经验；能够以自主方式全面评估和改进深度学习架构
Researcher Synthetic Rl San Francisco
研究和开发强化学习算法；设计和运行实验，研究大规模训练动态和模型行为；与工程师和研究人员合作，将成功的方法整合到模型训练流程中；具备强化学习、机器学习研究或相关领域的扎实背景；喜欢探索数据、目标和评估不完善或不断变化的新问题空间
研究员，安全监督
开发和优化AI监控模型，以检测和缓解已知及新兴的滥用和错位模式；制定研究方向与策略，使我们的AI系统更安全、更对齐、更稳健；评估并设计有效的红队测试流程，检查安全系统的端到端稳健性，并确定未来改进方向
研究员，稳健性与安全训练
开展关于AI安全主题（如RLHF、对抗训练、稳健性等）的前沿研究；在OpenAI的核心模型训练中实施新方法，并在产品中推出安全改进；制定研究方向与策略，使AI系统更安全、更对齐、更稳健
Researcher Pretraining Safety San Francisco
识别基础模型中首次出现的安全相关行为；评估并降低风险，无需等待完整规模的训练运行；设计架构和训练设置，使安全行为成为默认；通过引入更丰富、更早期的安全信号来增强模型；开发新技术以预测、测量和评估早期模型中的不安全行为
研究员，准备团队
识别新兴的AI安全风险，并探索这些风险影响的新方法；建立并持续改进前沿AI模型的评估，以评估已识别风险的程度；设计和构建可扩展的系统及流程，以支持此类评估；参与风险管理的改进，并为AI安全评估制定“最佳实践”指南
Researcher Misalignment Research New York City
设计和实施最坏情况演示，使AGI对齐风险对利益相关者具体化，重点关注高风险用例；基于这些演示开发对抗性和系统级评估，推动OpenAI内部的采用；创建自动化工具和基础设施，以扩展自动化红队和压力测试
研究员，可解释性
开发和发表关于理解深度网络表示技术的研究；为大规模研究模型内部结构设计基础设施；跨团队合作，开展OpenAI特别适合的项目；指导研究方向，确保其具有可证明的实用性和/或长期可扩展性；对OpenAI的使命感到兴奋，即确保AGI造福全人类，并与OpenAI的章程保持一致
研究员，健康人工智能
设计和应用实用且可扩展的方法来提高模型的安全性和可靠性，包括RLHF、自动化红队测试、可扩展监督等；使用健康相关数据评估方法，确保模型提供准确、可靠和可信的信息；构建可重用的库，将通用对齐技术应用于模型
相关搜索词
这些词用于覆盖真实搜索需求，也方便用户继续定位公司、城市、岗位方向和薪资信息。
美国算法与研究招聘信息美国算法与研究招聘美国算法与研究招聘信息有哪些公司美国算法与研究招聘信息薪资美国算法与研究招聘信息岗位AI招聘美国算法与研究招聘信息美国招聘算法与研究招聘