强化学习工程师
AI 平台与研究 机器学习工程
£126,000–£210,000/年 (£10,500–£17,500/月) — 面议
团队与产品方向
- 团队
- AI 平台与研究
- 专业方向
- 机器学习工程
- 产品系列
- AI 平台
涵盖 AI 研究、机器学习、语言技术、计算机视觉、提示工程和数据工作。
了解我们的产品与服务职位描述
通过强化学习和基于偏好的优化方法改进模型行为。工作重点包括奖励建模、PPO 或 DPO 训练流程、训练诊断和可复现实验。
要求
- 具备强化学习、基于偏好的优化或 RLHF 相关实践经验
- 熟练使用 Python，并有深度学习框架的实战经验
- 了解奖励建模、PPO、DPO、训练诊断或评估设计
- 能够评估数据质量、模型策略变化和训练稳定性
- 熟练使用 Python，并有深度学习框架的实战经验
- 了解奖励建模、PPO、DPO、训练诊断或评估设计
- 能够评估数据质量、模型策略变化和训练稳定性
职责
- 构建并维护强化学习或基于偏好的优化训练流程
- 分析训练诊断结果，排查训练不稳定或性能回退
- 与研究和基础设施团队合作，开展可复现实验
- 记录模型行为变化及其对产品发布的影响
- 分析训练诊断结果，排查训练不稳定或性能回退
- 与研究和基础设施团队合作，开展可复现实验
- 记录模型行为变化及其对产品发布的影响
福利
- 在基础设施团队支持下参与模型的实际改进
- 与研究、安全和机器学习平台团队协作
- 参与制定偏好数据质量和训练可靠性的标准
- 与研究、安全和机器学习平台团队协作
- 参与制定偏好数据质量和训练可靠性的标准
招聘流程说明
流程顺序和形式会因职位而有所不同。
提交申请
初步审核
岗位相关评估
面试
录用决定
发放录用通知与入职
隐私与申请材料
请仅提交本职位要求的信息和材料。有关个人数据处理的信息，请阅读我们的隐私政策。
阅读隐私政策