Research Engineer / Scientist, Reinforcement Learning
Оценка ИИHarvey — один из лидеров в применении ИИ для юриспруденции с серьезным финансированием. Вакансия предлагает работу над передовыми задачами RL и LLM в удаленном формате, что делает её крайне привлекательной для топовых ML-инженеров.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИРоль требует редкого сочетания глубоких исследовательских знаний в области RL и практических навыков разработки распределенных систем обучения в продакшене. Высокая планка ожиданий к опыту работы с LLM и спецификой юридического домена.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИДля позиции Research Engineer в области RL в американском стартапе уровня Harvey, рыночная зарплата обычно значительно выше средних показателей по миру. Указанный диапазон отражает уровень компенсации для специалистов уровня Senior/Staff в США и Европе.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Откликнуться в Harvey
*🤩* Удалённо
*🔔* Опубликовано менее 24 часов назад
*📸 AI-платформа для юридической работы и профессиональных услуг*
Задачи:
• Разрабатывать post-training эксперименты с SFT и RL для открытых языковых моделей;
• Создавать reward-функции и верификаторы для сложных юридических задач;
• Отлаживать распределённое обучение и оценивать качество моделей перед выпуском.
*🕸 Требования:*
• Практический опыт post-training LLM с SFT, RL и оптимизацией предпочтений;
• Глубокое понимание ML и опыт надёжного распределённого обучения;
• Сильный Python и опыт разработки production-кода;
• Исследовательский опыт RL для языковых моделей или reward modeling.
Откликнуться: Откликнуться
*🚀* Offer Inside
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- Reinforcement Learning
- Large Language Models
- SFT
- Machine Learning
- Distributed Training
- Reward Modeling
Возможные вопросы на собеседовании
Проверка понимания фундаментальных алгоритмов RL в контексте языковых моделей.
В чем основные различия и преимущества использования PPO по сравнению с DPO при настройке предпочтений в LLM?
Оценка навыков работы с данными и спецификой домена.
Как бы вы подошли к разработке reward-функции для оценки юридической точности ответов модели, учитывая сложность и нюансы законодательства?
Проверка инженерных навыков работы с большими моделями.
С какими основными проблемами вы сталкивались при отладке распределенного обучения на нескольких узлах и как их решали?
Оценка понимания процесса оценки качества.
Какие метрики, помимо стандартных бенчмарков, вы считаете критическими для оценки готовности модели к выпуску в юридическом секторе?
Проверка опыта в области верификации.
Опишите ваш опыт создания верификаторов (outcome/process reward models) для сложных многошаговых задач.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
