Research Engineer – Reinforcement Learning

🕒 il y a 2 jours

🇺🇸 États-Unis – Télétravail

💵 $230 000 - $450 000 / an

⏰ Temps Plein

🟡 Intermédiaire

🟠 Senior

📚 Ingénieur de Recherche

🦅 Parrain de Visa H1B

Cette entreprise a parrainé des visas H1B par le passé.

👻 Score fantôme 21%

Ce que ça veut dire : la probabilité que personne ne recrute vraiment pour cette offre.Comment le lire : 60 % ou plus, on pense que c'est une offre fantôme. Un score plus bas est moins inquiétant.Comment on la calcule : ancienneté, republications, postes ouverts vs taille de l'équipe, rapidité de clôture, et si le salaire est indiqué.À noter : une estimation à partir de données publiques, pas un jugement sur l'entreprise. De vraies offres peuvent avoir un score élevé, alors prenez-le comme un indice, pas comme un fait.

Postuler Maintenant

Trouver des Emplois à Distance Similaires

Harvey

Site WebLinkedInTous les Emplois

11 - 50 employés

🤖 Intelligence artificielle

⚖️ Juridique

🏢 Entreprise

💰 €80 635 000 000 Series B en 2023-12

Artificial Intelligence • Legal • Enterprise

Harvey est une solution d'intelligence artificielle de classe professionnelle spécialement conçue pour les cabinets d'avocats, les prestataires de services professionnels et les entreprises du Fortune 500. Elle offre une suite d'outils spécifiques au domaine, permettant aux utilisateurs de confier des tâches complexes en langage naturel à un assistant personnel personnalisé. La plateforme de Harvey facilite la recherche rapide avec des résultats fondés dans les domaines juridique, réglementaire et fiscal, tout en fournissant des espaces de travail sécurisés pour l'analyse de documents via l'intelligence artificielle générative. Avec un accent sur la sécurité de niveau entreprise et des modèles d'IA de pointe, Harvey vise à rationaliser les flux de travail et à libérer les professionnels, tels que les avocats, des tâches banales, leur permettant de se concentrer sur des rôles stratégiques et de conseil.

Description

• Own and pursue a research agenda to improve model capability on long-horizon legal reasoning and agentic workflows • Design and run post-training experiments across SFT and RL using leading open-weight models • Develop reward functions and verifiers for semi-verifiable tasks, including rubrics, learned preference models, and expert preference data • Study where reward functions and verifiers break • Run and debug training at scale, addressing divergence, reward hacking, and instability • Build and use rigorous evaluations to track improvements and decide what ships • Design, implement, test, and debug code across the research stack • Carry research ideas from experiments through training runs to models used by customers • Own post-training recipes across supervised fine-tuning and reinforcement learning

🎯 Exigences

• Hands-on experience post-training LLMs with SFT and RL, including preference optimization • Direct ownership of training runs and results • Deep ML fundamentals • Experience getting distributed training runs working reliably • Strong engineering skills in Python • Production-quality code and end-to-end system ownership • Research experience in RL for language models or reward modeling • Ability to move quickly from experiments to shipped improvements • Publications welcome, not required • Must be legally authorized to work in the United States • Must be able to work in the United States or obtain employment visa sponsorship as applicable

🏖️ Avantages

• Equity plan • Comprehensive health coverage • Dental coverage • Vision coverage • Retirement benefits with 401(k) match up to 4% • Flexible PTO • Equal opportunity employer • Reasonable accommodations for applicants with disabilities

📊 Vérifiez votre score de CV pour ce poste

Améliorez vos chances d'obtenir un entretien en vérifiant votre score de CV avant de postuler.

Télécharger le CV