AI Research Engineer (Reinforcement Learning)

Что предстоит делать

Штаб-квартира: El Salvador URL: https://careers.tether.io/ Почему стоит присоединиться к нам? Наша команда — это глобальный центр талантов, работающий удаленно из всех уголков мира. Если вы увлечены идеей оставить след в сфере fintech, это ваша возможность сотрудничать с одними из самых ярких умов, раздвигая границы и устанавливая новые стандарты. Мы быстро выросли, остались гибкими и закрепили за собой место лидера в индустрии. Если у вас отличные навыки общения на английском языке и вы готовы внести вклад в самую инновационную платформу на планете, Tether — это место для вас. Готовы ли вы стать частью будущего?   О вакансии Будучи членом команды по разработке AI-моделей, вы будете стимулировать инновации в подходах к обучению с подкреплением для продвинутых моделей. Ваша работа будет оптимизировать принятие решений и адаптивное поведение, чтобы обеспечить повышенный интеллект, улучшенную производительность и возможности, специфичные для предметной области, для решения реальных задач. Вы будете работать с широким спектром систем, включая ресурсоэффективные модели, предназначенные для ограниченных аппаратных сред, и сложные мультимодальные архитектуры, интегрирующие такие данные, как текст, изображения и аудио. Мы ожидаем, что у вас есть глубокие знания в области проектирования систем обучения с подкреплением и солидный опыт работы с продвинутыми архитектурами моделей. Вы будете применять практический, исследовательский подход к разработке, тестированию и внедрению новых алгоритмов обучения с подкреплением и фреймворков для обучения. В ваши обязанности входит курирование специализированных сред симуляции и обучающих наборов данных, укрепление базовой производительности политики, а также выявление и устранение узких мест в процессе обучения с подкреплением. Конечная цель — раскрыть превосходную, адаптированную к предметной области производительность AI и расширить границы того, чего эти модели могут достичь в динамичных реальных средах.  

• Разрабатывать и внедрять передовые алгоритмы обучения с подкреплением, предназначенные для оптимизации процессов принятия решений как в симулированных, так и в реальных условиях. Устанавливать четкие целевые показатели производительности, такие как максимизация вознаграждения и стабильность политики.
• Создавать, запускать и контролировать контролируемые эксперименты по обучению с подкреплением. Отслеживать ключевые показатели эффективности, документируя итеративные результаты и сравнивая результаты с установленными эталонами.
• Выявлять и курировать высококачественные среды симуляции и обучающие наборы данных, адаптированные к конкретным предметным задачам. Устанавливать измеримые критерии, чтобы гарантировать, что отбор и подготовка этих ресурсов значительно улучшают процесс обучения и общую производительность модели.
• Систематически отлаживать и оптимизировать конвейер обучения с подкреплением, анализируя как вычислительную эффективность, так и показатели производительности обучения. Решать такие проблемы, как шум сигнала вознаграждения, стратегия исследования и расхождение политики, для улучшения сходимости и стабильности.
• Сотрудничать с кросс-функциональными командами для интеграции агентов обучения с подкреплением в производственные системы. Определять четкие показатели успеха, такие как улучшение производительности в реальных условиях и устойчивость при различных условиях, а также обеспечивать непрерывный мониторинг и итеративные доработки для устойчивой адаптации к предметной области.
• Требования к кандидату
• Степень в области компьютерных наук или смежной области. Желательно PhD в области NLP, машинного обучения или смежной области, дополненный солидным опытом в AI R&D (с хорошими публикациями на конференциях уровня A*).
• Обязателен подтвержденный опыт работы с крупномасштабными экспериментами по обучению с подкреплением, включая методы онлайн RL, такие как Group Relative Policy Optimization (GRPO). Ваш вклад должен привести к измеримым улучшениям в принятии решений в конкретной предметной области и общей производительности политики.
• Требуется глубокое понимание алгоритмов обучения с подкреплением, включая современные методы онлайн RL и другие подходы градиентной оптимизации, такие как policy gradients, actor-critic и GRPO. Ваш опыт должен подчеркивать улучшение стабильности политики, исследования и эффективности выборки в сложных динамических средах.
• Обязательно наличие сильных навыков работы с PyTorch и соответствующими фреймворками обучения с подкреплением. Ожидается практический опыт разработки конвейеров RL — от симуляции и онлайн-обучения до оценки после обучения и развертывания решений на основе RL в производственных средах.
• Подтвержденная способность применять эмпирические исследования для преодоления проблем обучения с подкреплением, таких как неэффективность выборки, компромиссы между исследованием и эксплуатацией, а также нестабильность обучения. Вы должны уметь разрабатывать надежные фреймворки для оценки и итеративно внедрять алгоритмические инновации, чтобы постоянно расширять границы производительности RL-агентов.
•  
• Важная информация для кандидатов
• Мошенничество при найме становится все более распространенным. Чтобы защитить себя, пожалуйста, учитывайте следующее при подаче заявок на вакансии:
• Подавайте заявки только через наши официальные каналы. Мы не используем сторонние платформы или агентства для найма, если это не указано явно. Все открытые вакансии перечислены на нашей официальной странице карьеры: https://tether.recruitee.com/
• Проверяйте личность рекрутера. Все наши рекрутеры имеют подтвержденные профили в LinkedIn. Если вы сомневаетесь, вы можете подтвердить их личность, проверив их профиль или связавшись с нами через наш сайт.
• Будьте осторожны с необычными методами связи. Мы не проводим собеседования через WhatsApp, Telegram или SMS. Вся коммуникация осуществляется через официальные корпоративные email-адреса и платформы.
• Дважды проверяйте адреса электронной почты. Вся коммуникация от нас будет приходить с адресов, заканчивающихся на @tether.to или @tether.io
• Мы никогда не будем запрашивать платежи или финансовые данные. Если кто-то просит личную финансовую информацию или оплату на любом этапе процесса найма, это мошенничество. Пожалуйста, немедленно сообщите об этом.
• Для подачи заявки: https://weworkremotely.com/remote-jobs/tether-ai-research-engineer