ML-исследователь: обучение с подкреплением, мультимодальные модели

О роли

Tether Operations Limited развивает направление AI-моделей. Роль связана с агентным обучением с подкреплением и мультимодальными системами: текстом, изображениями и аудио. Работа включает разработку и масштабирование RL-подходов в сложных мультимодальных архитектурах, включая диффузионные генеративные модели, авторегрессионные модели для мультимодального понимания и ресурсоэффективные модели для сред с ограниченными аппаратными ресурсами.

Задачи

• Исследовать алгоритмы обучения с подкреплением для мультимодальных моделей: диффузионные подходы для изображений, авторегрессионные модели для мультимодального понимания и унифицированные мультимодальные фреймворки.
• Проектировать и создавать RL-инфраструктуру для масштабируемого распределённого обучения мультимодальных систем с сохранением эффективности и надёжности.
• Разрабатывать и улучшать стратегии моделирования вознаграждения (reward modeling): повышать стабильность обучения, согласовывать поведение модели с нужными результатами, снижать reward hacking и связанные режимы отказа.
• Создавать и курировать мультимодальные симуляционные среды и датасеты для обучения, оценки и бенчмаркинга RL-систем.
• Проектировать и проводить строгие протоколы бенчмаркинга и оценки, отслеживать прогресс, выявлять и устранять узкие места в мультимодальном обучении и оптимизации вознаграждения.
• Исследовать новые парадигмы обучения с подкреплением, которые напрямую и эффективнее учатся на обратной связи среды, чтобы повышать доменную адаптацию AI в динамичных реальных условиях.

Требования

• Глубокая экспертиза в проектировании систем мультимодального обучения с подкреплением.
• Сильный опыт в области продвинутых архитектур моделей.
• Практический исследовательский подход к созданию и внедрению новых алгоритмов и фреймворков обучения.
• Отличные навыки коммуникации на английском языке.

Условия

• Удалённая работа по всему миру.
• Оплата по договорённости.