Research Engineer / Scientist – Reinforcement Learning

🕒 vor 16 Tagen

🏄 California – Remote

🏄 California – Remote

💵 $150.000 - $350.000 / Jahr

⏰ Vollzeit

🟡 Mittelstufe

🟠 Senior

📚 Forschungsingenieur

👻 Geisterscore 5%

Was es bedeutet: die Wahrscheinlichkeit, dass für diese Stelle niemand wirklich einstellt.So liest du es: 60 % oder höher heißt, wir halten das für einen Geisterjob. Niedrigere Werte sind weniger bedenklich.Wie wir werten: Dauer offen, Neuveröffentlichungen, offene Stellen vs Teamgröße, wie schnell Stellen geschlossen werden, und ob ein Gehalt angegeben ist.Hinweis: eine Schätzung aus öffentlichen Daten, kein Urteil über das Unternehmen. Echte Stellen können hoch punkten, nutze es also als Hinweis, nicht als Fakt.

Jetzt Bewerben

Ähnliche Remote-Jobs finden

Prime Intellect

WebsiteLinkedInAlle Stellen

1 - 10 Mitarbeiter

🤖 Künstliche Intelligenz

☁️ SaaS

Artificial Intelligence • SaaS • Cloud Computing

Prime Intellect ist ein Unternehmen, das sich darauf konzentriert, die KI-Entwicklung zu demokratisieren, indem es skalierbare und dezentrale Computerressourcen für das Training von Modellen bereitstellt. Ihre Plattform ermöglicht es Nutzern, weltweit verfügbare Computerressourcen zu finden und zu teilen, um den Training von hochmodernen Modellen durch verteilte Cluster zu ermöglichen. Sie fördern das kollektive Eigentum an KI-Innovationen, einschließlich Sprach- und wissenschaftlicher Modelle. Prime Intellect bietet zudem eine Reihe von GPU-Optionen, um kostengünstiges und effizientes Modelltraining zu erleichtern. Sie streben danach, die Forschung im Bereich des dezentralen Trainings und die Entwicklung von Open-Source-KI weltweit voranzutreiben.

Beschreibung

• Develop and test RL methods for reasoning, coding, and long-horizon tasks, including changes to training objectives and policy optimization • Investigate stability in asynchronous RL, including policy staleness, trainer/sampler mismatch, and numerical differences between training and rollouts • Work with data and evaluation researchers to understand how task selection, rewards, and training data affect what the model learns • Design experiments to understand how RL performance and learning dynamics change with model size, training compute, and task horizon • Use controlled ablations and evaluations to distinguish learning gains from reward exploitation, evaluation artifacts, or training bugs • Turn experimental findings into training recipes and test whether improvements hold across larger models and longer runs • Extend prime-rl to support new algorithms, models, and asynchronous training workflows • Improve performance and numerical correctness of research runs across trainers, rollout workers, and environments with the infrastructure team • Build diagnostics that make unstable runs and performance regressions easier to reproduce and help distinguish algorithm problems from implementation or runtime issues

🎯 Anforderungen

• Demonstrated depth in at least one of RL algorithms, empirical research on model training, or distributed ML systems • Strong programming skills in Python and experience with PyTorch or a comparable ML framework • Ability to design controlled experiments, interpret results, and debug unexpected model or system behavior • Experience taking a research idea or systems change through implementation, testing, and evaluation, with a clear account of what worked and what didn’t • Experience with distributed training frameworks or asynchronous rollout pipelines • Experience diagnosing unstable RL runs, including policy-staleness or numerical issues • Work on coding agents, verifiable rewards, or long-horizon environments

🏖️ Vorteile

• Equity incentives • Flexible work arrangements, with the option to work remotely or in-person at our offices in San Francisco • Visa sponsorship and relocation assistance for international candidates • Quarterly team off-sites • Hackathons • Conferences and learning opportunities • Opportunity to work with a talented, hard-working and mission-driven team

📊 Überprüfen Sie Ihre Lebenslauf-Bewertung für diese Stelle

Verbessern Sie Ihre Chancen auf ein Vorstellungsgespräch, indem Sie Ihre Lebenslauf-Bewertung vor der Bewerbung überprüfen.

Lebenslauf hochladen