Software Engineer, Reinforcement Learning

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

Инженер в команду Reinforcement Learning Engineering в Microsoft AI. Разработка окружений, данных, оценок и систем обучения для улучшения больших языковых моделей после предобучения.

Задачи

• Задавать техническое направление и вести многоквартальные инициативы по улучшению LLM и агентов через reinforcement learning
• Строить и масштабировать RL-окружения, системы rollout, пайплайны обучения и генерации данных
• Разрабатывать задачи, сигналы обратной связи, reward-модели и обучающие датасеты
• Формулировать гипотезы и проводить эксперименты для улучшения reasoning, следования инструкциям, tool use, кодинга и агентных возможностей
• Совместно с командами оценки определять бенчмарки, диагностировать сбои моделей и измерять качество
• Повышать надёжность, наблюдаемость, пропускную способность и воспроизводимость крупномасштабных RL-экспериментов
• Анализировать результаты экспериментов и влиять на роадмапы модели, данных, оценки и продукта
• Менторить инженеров и повышать качество экспериментального и системного дизайна

Требования

• Степень бакалавра в Computer Science или смежной области и 6+ лет опыта в разработке на C, C++, C#, Java, JavaScript или Python, либо эквивалентный опыт
• Опыт построения надёжных ML-систем и применения reinforcement learning, reward modeling, preference optimization или post-training к LLM
• Опыт ведения технически амбициозных ML-инициатив от гипотезы до измеримого влияния на модель или продукт
• Опыт построения RL-окружений, agent harnesses, симуляторов или инфраструктуры rollout
• Опыт распределённого обучения или инференса на GPU
• Опыт генерации, курирования, фильтрации и версионирования больших обучающих датасетов
• Опыт разработки reward-сигналов на основе человеческой и модельной обратной связи, верификаторов или реальных исходов
• Опыт оценки агентов на reasoning, кодинге, tool use или long-horizon задачах
• Знакомство с современными методами post-training и open-source ML-фреймворками
• Навыки письменной и устной коммуникации, умение объяснять сложные результаты кросс-функциональным партнёрам

Условия

• Базовая зарплата в США: $142,800 - $274,800 в год
• Для Bay Area и NYC metropolitan area: $188,000 - $304,200 в год
• Возможны бенефиты и дополнительная компенсация
• Позиция открыта минимум 5 дней, заявки принимаются до заполнения вакансии

Навыки

• Reinforcement Learning
• LLM
• Post-training
• Reward modeling
• Preference optimization
• Python
• C
• C++
• C#
• Java
• JavaScript
• GPU
• Distributed training
• Machine Learning