tl;dr: RL environments engineer, $50-150/hour, part-time/full-time, remote

tl;dr: RL environments engineer, $50-150/hour, part-time/full-time, remote У нас тут новые клиенты — нам кажется, идеальные, а вот вы скажите, что думаете! Смотрите сами: 💫 $16M инвестиций от Andreessen Horowitz и SignalFire; 😍 работают с Anthropic и другими топовыми лабами; 🌼 female-led! Одна фаундерка — ранняя сотрудница Anthropic, вторая — ещё более ранняя из DatologyAI, стартапа про data curation; 🗓 удалёнка с почасовой оплатой и возможностью парттайма; ✨ ищут не одного человека, а сразу несколько — можно наконец и самому податься, и друга посоветовать! Ну, а главное, как обычно, продукт. Агентные системы типа Codex или Claude Code — во многом подвиг пост-трейн команд. Они запихивают чатового агента в сложный скаффолд, и вдалбливают в него все особенности работы в этой среде, пока он сопротивляется — ревард-хакает, галлюцинирует и в целом делает всё, чтобы от него отстали ☹️ Preference Model делают RL-окружения, где агенты учатся всяким сложным штукам, а потом начинают работать в реальных скаффолдах лучше и сопротивляться поменьше 👾 И хотят больше новых сред от экспертов — поэтому ищут RL Environments Engineer 'ов: людей, которые разбираются в чём-то сложном и ML-related. Вакансия похожа на сэндвич, который вы собираете сами. Для начала выберите главный ингредиент. Вам понадобится что-нибудь из списка ниже (не всё сразу!): 🥦 публикации по теме; или инженерный опыт в чём-нибудь из следующего: 🍖 внутренности трансформеров; 🐟 CUDA или Pallas kernel-разработка; 🦐 ML-архитектуры и генеративные модели (тут все от KAN до диффузионок); 🥚 geometric/topological DL, optimal transport; 🧀 mechanistic interpretability; 🥑 ML в науке и численные методы (от биоинформатики до fluid dynamics); Дальше — основа: 🍞 опыт разработки на Python + Docker; 🍅 хорошее понимание, что умеют и не умеют нынешние LLM; 🍞 английский C1+. Заправьте форматом работы на ваш вкус: от 3 месяцев до бесконечности и от 20 часов в неделю до фуллтайма 🥫 Платят $50-150/час в зависимости от опыта и специализации. Полная удалёнка, нужно только пересекаться с PST-таймзоной хотя бы часа на 4. Если понравитесь команде, есть возможность перейти в штат и обсудить переезд в SF. Пишите Феде @owlkov 🍴