强化学习工程师

人工智能与机器学习全职中级伦敦, 英格兰, 英国

£126,000–£210,000/年 (£10,500–£17,500/月) — 面议

立即申请

研究强化学习和偏好优化工作流程以改进模型行为。该角色侧重于奖励建模、PPO 或 DPO 管道、诊断和可重复的训练运行。

- 强化学习、偏好优化或 RLHF 式工作流程的实践经验
- 强大的Python和深度学习框架技能
- 熟悉奖励建模、PPO、DPO、培训诊断或评估设计
- 能够推理数据质量、策略漂移和训练稳定性

- 构建和维护强化学习或偏好优化训练工作流程
- 监控训练诊断并调查不稳定性或回归
- 与研究和基础设施团队合作进行可重复的实验
- 记录模型行为变化和发布影响

- 在基础设施支持下开展应用模型改进工作流程
- 与研究、安全和机器学习平台团队合作
- 帮助制定偏好数据质量和培训可靠性标准

就业类型全职

经验水平中级

地点 伦敦, 英格兰, 英国

空缺 2

立即申请

相关职位