AI Research Engineer (Agentic Reinforcement Learning)

Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.

AI Research Engineer в области agentic reinforcement learning для мультимодальных AI-систем. Исследование и разработка RL-алгоритмов, масштабируемой инфраструктуры обучения и reward-моделей для автономных AI-агентов.

Задачи

• Исследовать и разрабатывать алгоритмы reinforcement learning для мультимодальных моделей, включая diffusion-подходы для генерации изображений, авторегрессионные модели и унифицированные архитектуры
• Проектировать и реализовывать масштабируемую инфраструктуру RL с распределённым обучением
• Разрабатывать и оптимизировать стратегии reward modeling для стабильности обучения и предотвращения reward hacking
• Создавать и поддерживать мультимодальные симуляционные среды и датасеты для обучения и бенчмаркинга
• Проектировать протоколы оценки качества моделей и отслеживать прогресс относительно бейзлайнов
• Анализировать и оптимизировать производительность политик по разным модальностям
• Исследовать новые парадигмы RL для обучения агентов на обратной связи среды
• Проводить крупномасштабные эксперименты и превращать результаты в практические улучшения алгоритмов
• Публиковать и представлять результаты исследований на конференциях ICML, NeurIPS, ICLR, CVPR, ICCV, ECCV

Требования

• Магистерская степень в Computer Science или смежной области; PhD в ML, NLP, Computer Vision или смежной области предпочтительно
• Сильный трек-рекорд AI-исследований с публикациями на ведущих международных конференциях
• Опыт крупномасштабных RL-экспериментов в мультимодальных и vision-системах, включая online RL-среды
• Глубокое понимание алгоритмов RL и методов оптимизации для vision и мультимодального обучения
• Знание policy stability, стратегий exploration, sample efficiency и оптимизации в высокоразмерных средах
• Продвинутое владение PyTorch и современными deep learning фреймворками
• Опыт построения end-to-end RL-пайплайнов: симуляция, обучение, оценка, продакшн-деплой
• Опыт проектирования фреймворков оценки и эмпирических исследований
• Публикации на ICML, NeurIPS, ICLR, CVPR, ICCV или ECCV
• Сильное аналитическое мышление и навыки научного решения задач

Условия

• Полностью удалённая работа из любой точки мира
• Международная коллаборация с исследователями и инженерами из разных стран
• Работа над передовыми AI-исследованиями: RL, мультимодальные архитектуры, генеративный AI
• Возможность публиковать исследования и выступать на ведущих AI/ML-конференциях
• Профессиональный рост в новых AI-технологиях
• Глобальная технологическая среда в быстрорастущей организации

Навыки

• Reinforcement Learning
• PyTorch
• Multimodal AI
• Diffusion models
• Autoregressive models
• Reward modeling
• Computer Vision
• Deep Learning
• Distributed training