AI-kutatómérnök (multimodális megerősítéses tanulás) – 100% távmunka, világszerte

Stack

Feladatok

• ▹Megerősítéses tanulási algoritmusok kutatása multimodális modellekhez, beleértve a diffúzió-alapú megközelítéseket és az egységes, több modalitást integráló keretrendszereket
• ▹Skálázható, elosztott tanítást támogató RL-infrastruktúra tervezése és építése multimodális rendszerekhez, hatékonyan és megbízhatóan
• ▹Jutalommodellezési stratégiák fejlesztése és finomítása a tanítás stabilitásának javítására, a modell viselkedésének a kívánt eredményekhez igazítására és a reward hacking megelőzésére
• ▹Multimodális szimulációs környezetek és adathalmazok létrehozása és gondozása az RL-rendszerek tanításához, értékeléséhez és összehasonlításához
• ▹Szigorú benchmarking- és értékelési protokollok tervezése és lefolytatása a modellteljesítmény méréséhez
• ▹A policy teljesítményének elemzése és optimalizálása a modalitások között: szűk keresztmetszetek azonosítása a tanításban, a credit assignmentben és a modalitások közötti illesztésben
• ▹Újgenerációs RL-paradigmák kutatása, amelyek hatékonyabban tanulnak a környezeti visszajelzésből, a legkorszerűbb (SOTA) teljesítmény elérésére
• ▹Kutatási eredmények publikálása vezető konferenciákon (ICML, NeurIPS, ICLR, CVPR, ICCV, ECCV stb.)

Elvárások

• ▹Számítástechnikai vagy kapcsolódó területen szerzett mesterdiploma; előnyt jelent a gépi tanulás, NLP, számítógépes látás vagy rokon terület PhD-ja, erős AI-kutatási és publikációs háttérrel vezető konferenciákon
• ▹Igazolt tapasztalat nagy léptékű RL-kísérletek futtatásában multimodális és látásközpontú rendszerekben, online RL-beállításokat is beleértve, mérhető policy-teljesítményjavulással
• ▹Az RL-algoritmusok és optimalizálási módszerek mély ismerete látás- és multimodális problémákra alkalmazva, a policy stabilitására, a felfedezésre és a mintahatékonyságra fókuszálva
• ▹Erős PyTorch- és mélytanulási keretrendszer-ismeret látás- és multimodális AI-hoz, tapasztalat végponttól végpontig tartó RL-pipeline-ok építésében (szimuláció, tanítás, értékelés, éles telepítés)
• ▹Bizonyított képesség empirikus kutatás alkalmazására az RL alapvető kihívásaira (mintahatékonyság, felfedezés–kiaknázás egyensúlya, tanítási instabilitás), robusztus értékelési keretrendszerek tervezése
• ▹Publikációs háttér vezető konferenciákon (ICML, NeurIPS, ICLR, CVPR, ICCV, ECCV stb.)

Soft skillek

Amit kínálunk

• ▹100%-os távmunka világszerte

A munkáltatóról

A Tether a digitális pénzügyek területén működik: a világ egyik legmegbízhatóbb stablecoinját, az USDT-t kínálja, emellett eszköz-tokenizálási szolgáltatásokat, energiamegoldásokat, AI- és peer-to-peer technológiát (Tether Data, KEET alkalmazás) és oktatást. A csapat a világ minden tájáról dolgozik távmunkában.