НовоеAI-конструктор резюме: правишь прямо на листе A4, а нейросеть подсказывает, что усилитьКонструктор резюме на листе A4Попробовать
JobPath
Начать бесплатно

baseten

Base Labs Research Scientist - RL Environments

  • Удалённо
  • San Francisco
  • Полная занятость
  • сегодня

Исследователь в области подкрепляющего обучения для создания и калибровки RL-среды. Исследуйте как модели учатся, проектируйте задачи и вознаграждения, проводите эксперименты — формируйте открытые стандарты для оценки агентов ИИ в Baseten.

О позиции

Base Labs — исследовательская лаборатория компании Baseten, которая специализируется на создании открытых сред и изучении того, как модели обучаются в них. Вы будете работать над задачами распределения, взаимодействий, вознаграждений и верификаторов, развивать методы масштабирования создания сред без потери качества. Ваша работа напрямую повлияет на обучение моделей и разработку инструментов для индустрии машинного обучения.

Чем заниматься

  • Выявлять способности и режимы отказов, достойные изучения, опираясь на реальное использование моделей — включая разработку ПО, использование инструментов, научное рассуждение и выполнение сложных инструкций
  • Проектировать распределения задач, взаимодействия, вознаграждения и верификаторы; устанавливать, что задачи решаемы и успех зависит от предполагаемой способности
  • Разрабатывать методы масштабирования создания окружений без снижения стандарта качества; изучать генерацию разнообразных задач, калибровку сложности и обнаружение дефектов
  • Проводить RL-эксперименты для измерения обучения и переноса; сравнивать учебные планы, смеси задач и конструкции вознаграждений
  • Разрабатывать методы оценки, различающие разницу в способностях от шума выборки, ошибок грейдеров или артефактов инструмента агента
  • Работать с исследователями безопасности на средах, выявляющих взлом вознаграждения и misalignment, тестировать способы обучения более надёжному поведению
  • Публиковать среды, датасеты, рецепты обучения и результаты исследований, чтобы другие команды могли их использовать

Что ждут

  • Глубокие знания в области подкреплённого обучения (reinforcement learning), оценки моделей, систем агентов, синтетических данных или экспериментальной методологии
  • Умение писать код для создания сред, проведения экспериментов и детального анализа неудач
  • Способность выбирать полезные исследовательские вопросы, проектировать информативные эксперименты и аккуратно анализировать результаты
  • Коммуникативные навыки для работы с research engineers, applied researchers и командой Base Labs

Будет плюсом

  • Опыт с обучением LLM
  • Опыт создания инструментов, которые используют другие исследователи
  • Публикации или открытый исходный код
  • Фон PhD или предыдущая роль Research Scientist (не требуется, но приветствуется)

Условия

  • Конкурентоспособная компенсация и значительная доля компании
  • Покрытие 100% медицинских, стоматологических и зрительных страховок для сотрудника и зависимых лиц
  • Гибкая политика оплачиваемого отпуска (PTO)
  • Оплачиваемый отпуск по рождению ребёнка
  • Ассигнования на фертильность и построение семьи через Carrot
  • Софинансируемый работодателем план 401(k)
  • Возможности нетворкинга и обучения с различными ML-стартапами

Навыки

  • Python
  • PyTorch
  • Reinforcement Learning
  • Machine Learning
  • Experimental Design
  • Model Evaluation
  • Agent Systems
  • Neural Networks
  • Data Analysis
  • Scientific Writing

Сложность отбора

Роль требует глубокой экспертизы в RL и машинном обучении, навыков независимой исследовательской работы, а также умения коммуницировать результаты и работать в кросс-функциональной команде.

Оценка JobPath

Зарплата по рынку

1 200 000 – 2 200 000 ₽ в месяц

Оценка для Research Scientist уровня в сфере AI/ML в Сан-Франциско; реальный пакет может включать значительную долю в компании

Оценка JobPath по рынку, не предложение работодателя

Могут спросить на собеседовании

  1. Как вы определяете, что задача в RL-среде действительно измеряет целевую способность, а не случайные паттерны?
  2. Опишите пример из вашего опыта, когда вы обнаружили и диагностировали неожиданное поведение в RL-эксперименте
  3. Как вы балансировали бы сложность среды при масштабировании на тысячи задач?
  4. Какие метрики вы используете для оценки переносимости обученной модели на новые задачи?
  5. Как бы вы оценили безопасность среды и риск reward hacking?

Прорепетировать это собеседование

Голосовой ИИ-интервьюер задаст вопросы под эту вакансию и разберёт каждый ответ.

Начать бесплатно

Сохрани похожие вакансии

Новые вакансии с такой должностью будут собираться в кабинете.

Сохранить фильтр

Перед откликом

Попробовать бесплатно

Связаться с поддержкой

Выбери, где удобнее написать