Research Engineer / Scientist, Reinforcement Learning в Harvey удалённо

Исследовательский инженер/учёный по reinforcement learning в Harvey — AI-платформа для юридической сферы. Работа над пост-тренировкой LLM, reward modeling и eval-системами для agentic-воркфлоу.

Задачи:

• Вести исследовательскую повестку по улучшению долгих юридических рассуждений и agentic-workflow
• Проектировать и запускать пост-тренировочные эксперименты по SFT и RL на базе открытых моделей
• Разрабатывать функции вознаграждения и верификаторы для полупроверяемых задач (рубрики, learned preference models, экспертные предпочтения)
• Запускать и отлаживать обучение в масштабе, решать проблемы дивергенции, reward hacking и нестабильности
• Строить строгие eval-системы для отслеживания улучшений и принятия решений о релизе

Требования:

• Практический опыт пост-тренировки LLMs с SFT и RL, включая оптимизацию предпочтений и прямую ответственность за тренировки и результаты
• Сильные фундаментальные знания ML и опыт в распределённом обучении
• Отличные инженерные навыки на Python, производство-ориентированный код и владение end-to-end системой
• Исследовательский опыт в RL для языковых моделей или reward modeling; публикации приветствуются

Условия:

• Компенсация $230K–$450K, есть equity и бонусы
• Медстраховка, стоматология, покрытие зрения
• Пенсионные программы (401k match до 4%)
• Гибкий PTO

Навыки:

• SFT
• RL
• reward modeling
• LLMs
• Python
• distributed training