Miembro del personal técnico, entrenamiento de modelos (investigación de posentrenamiento) Member of Technical Staff, Model Training (post-training research)
- Remoto (EE. UU.)
- $600,000 – $1,800,000 por año
- Tiempo completo
- Publicado hace 12 horas
Se postulará en el sitio web original.
Sobre este empleo
Título del puesto: Miembro del personal técnico, entrenamiento de modelos (investigación de posentrenamiento)
Tipo de empleo: Tiempo completo
Ubicación: Remoto
El puesto
En este puesto, investigarás cómo interactúan los algoritmos de aprendizaje, los datos de entrenamiento y las metodologías de evaluación para producir mejores capacidades de razonamiento, generalización y acción autónoma. Explorarás nuevos enfoques de aprendizaje por refuerzo, destilación y entrenamiento eficiente en el uso de datos, y convertirás los hallazgos de investigación en métodos escalables que mejoren la inteligencia de los modelos.
Este es un puesto altamente experimental en la intersección de la investigación fundamental en aprendizaje automático y el desarrollo de modelos a gran escala. Tendrás la oportunidad de formular hipótesis de investigación, diseñar experimentos ambiciosos y desarrollar métodos de entrenamiento que influyan directamente en las capacidades de nuestros modelos.
Lo que harás
- Investigar, implementar y escalar métodos avanzados de posentrenamiento, incluidos el ajuste fino supervisado (SFT), el aprendizaje por refuerzo (RL) y la destilación en políticas actuales (OPD), en modelos de lenguaje de gran tamaño y modelos multimodales.
- Investigar objetivos de aprendizaje, dinámicas de optimización, estrategias de exploración y mecanismos de asignación de crédito para mejorar la estabilidad del entrenamiento, la eficiencia de las muestras y la adquisición de capacidades.
- Desarrollar y perfeccionar recetas de entrenamiento mediante la optimización conjunta de mezclas de datos, estrategias de muestreo, planes de aprendizaje progresivo y metodologías de evaluación.
- Diseñar métodos para aprender de demostraciones de expertos, preferencias humanas, correcciones y trayectorias generadas por modelos, e identificar en qué casos la retroalimentación humana aporta las mayores mejoras.
- Investigar la coevolución de los generadores, los modelos de recompensa y los evaluadores, y desarrollar enfoques que mejoren tanto el rendimiento de los modelos como la calidad de las señales de entrenamiento que utilizan.
- Diseñar experimentos rigurosos, estudios de ablación y marcos de evaluación para medir la generalización, el razonamiento y el rendimiento en tareas posteriores realistas.
- Liderar iniciativas de investigación de principio a fin: identificar líneas prometedoras, implementar nuevos algoritmos, ejecutar experimentos a gran escala y validar resultados.
Lo que buscamos
- Sólidos fundamentos de aprendizaje automático, aprendizaje profundo, optimización y técnicas modernas de entrenamiento de modelos.
- Experiencia práctica en el entrenamiento, ajuste fino o posentrenamiento de modelos de lenguaje o multimodales a gran escala.
- Profundos conocimientos técnicos en una o más áreas, como aprendizaje por refuerzo, destilación de modelos, modelado de recompensas, selección de datos o dinámicas de aprendizaje.
- Dominio de Python y PyTorch, con capacidad para implementar, depurar y optimizar procesos complejos de entrenamiento.
- Experiencia en el diseño de experimentos controlados, la interpretación del comportamiento de los modelos y la conversión de hallazgos empíricos en líneas de investigación viables.
- Capacidad para abordar de manera independiente problemas de investigación ambiguos, formular hipótesis e iterar con rapidez basándose en evidencia experimental.
- Sólido pensamiento analítico y orientación a la investigación, con énfasis en la reproducibilidad, el rigor científico y las mejoras medibles.
Se valorará
- Experiencia con RLHF, RLAIF, optimización de preferencias o aprendizaje por refuerzo para tareas de razonamiento y de agentes autónomos.
- Conocimientos de entrenamiento distribuido, experimentación a gran escala y optimización de modelos con GPU.
- Experiencia en el desarrollo de modelos de recompensa, verificadores, evaluadores o sistemas de evaluación automatizados.
- Contribuciones de investigación al posentrenamiento, el aprendizaje por refuerzo o áreas relacionadas, mediante publicaciones, proyectos de código abierto o sistemas de producción.
- Experiencia en el estudio de la generación de datos sintéticos, el aprendizaje curricular o técnicas de autosuperación iterativa.
Aviso sobre compensación y beneficios
El rango salarial base nacional para este puesto de tiempo completo es de $200,000 –$320,000. Todos los empleados pueden recibir compensación en acciones, y también podrían recibir bonos basados en el rendimiento, según el puesto y de conformidad con las políticas de la empresa. micro1 ofrece un paquete integral de beneficios, que incluye el reembolso de hasta el 100 % de las primas del seguro médico, tiempo libre remunerado, un plan 401(K) con aportación equivalente de la empresa y beneficios adicionales diseñados para apoyar a una fuerza laboral remota de alto rendimiento.
micro1 ofrece igualdad de oportunidades de empleo. Todos los solicitantes que cumplan los requisitos serán considerados para el empleo sin importar su raza, color, religión, sexo (incluidos el embarazo, la orientación sexual o la identidad de género), nacionalidad, edad, discapacidad, información genética, condición de veterano ni ninguna otra característica protegida por las leyes, regulaciones y ordenanzas locales aplicables. Si necesitas asistencia o un ajuste razonable durante el proceso de solicitud, comunícate con .
Nuestro proceso de contratación utiliza herramientas de inteligencia artificial para ayudar con la selección y evaluación de candidatos. Nuestras herramientas de IA están diseñadas para complementar, no reemplazar, la toma de decisiones humana.
Publicado originalmente en Himalayas
Anuncio original en inglés
Job Title: Member of Technical Staff, Model Training (post-training research)
Job Type: Full-time
Location: Remote
The Role
In this role, you will investigate how learning algorithms, training data, and evaluation methodologies interact to produce stronger reasoning, generalization, and agent capabilities. You will explore new approaches to reinforcement learning, distillation, and data-efficient training, translating research insights into scalable methods that improve model intelligence.
This is a highly experimental role at the intersection of fundamental machine learning research and large-scale model development. You will have the opportunity to formulate research hypotheses, design ambitious experiments, and develop training methods that directly influence the capabilities of our models.
What You'll Do
- Research, implement, and scale advanced post-training methods, including supervised fine-tuning (SFT), reinforcement learning (RL), and on-policy distillation (OPD), across large language and multimodal models.
- Investigate learning objectives, optimization dynamics, exploration strategies, and credit assignment mechanisms to improve training stability, sample efficiency, and capability acquisition.
- Develop and refine training recipes by jointly optimizing data mixtures, sampling strategies, curricula, and evaluation methodologies.
- Design methods for learning from expert demonstrations, human preferences, corrections, and model-generated trajectories, identifying where human feedback delivers the greatest improvements.
- Research the co-evolution of generators, reward models, and graders, developing approaches that improve both model performance and the quality of the training signals they consume.
- Design rigorous experiments, ablation studies, and evaluation frameworks to measure generalization, reasoning, and performance on realistic downstream tasks.
- Own research initiatives end-to-end, from identifying promising directions and implementing new algorithms to executing large-scale experiments and validating results.
What We're Looking For
- Strong foundations in machine learning, deep learning, optimization, and modern model training techniques.
- Hands-on experience training, fine-tuning, or post-training large-scale language or multimodal models.
- Deep technical expertise in one or more areas such as reinforcement learning, model distillation, reward modeling, data selection, or learning dynamics.
- Strong proficiency in Python and PyTorch, with the ability to implement, debug, and optimize complex training pipelines.
- Experience designing controlled experiments, interpreting model behavior, and translating empirical findings into actionable research directions.
- Ability to independently navigate ambiguous research problems, formulate hypotheses, and iterate quickly based on experimental evidence.
- Strong analytical thinking and a research-driven mindset, with an emphasis on reproducibility, scientific rigor, and measurable improvements.
Nice to Have
- Experience with RLHF, RLAIF, preference optimization, or reinforcement learning for reasoning and agentic tasks.
- Familiarity with distributed training, large-scale experimentation, and GPU-based model optimization.
- Experience developing reward models, verifiers, graders, or automated evaluation systems.
- Research contributions to post-training, reinforcement learning, or related areas through publications, open-source projects, or production systems.
- Experience investigating synthetic data generation, curriculum learning, or iterative self-improvement techniques.
Compensation & Benefits Notice
The national pay range for this full-time position is base salary of $200,000 –$320,000. All employees are eligible for equity compensation, and employees may also receive performance-based bonuses, dependent on role and subject to company policies. micro1 provides a comprehensive benefits package, including up to 100% reimbursement for health-insurance premiums, paid time off, a 401(K) plan with a company match, and additional benefits designed to support a high-performing, remote-first workforce.
micro1 is an equal opportunity employer. All qualified applicants will receive consideration for employment without regard to race, color, religion, sex (including pregnancy, sexual orientation, or gender identity), national origin, age, disability, genetic information, veteran status, or any other characteristic protected by applicable local laws, regulations and ordinances. If you need assistance and/or a reasonable accommodation during the application process, reach out to .
Our hiring process utilizes artificial intelligence tools to assist in candidate screening and assessment. Our AI tools are designed to complement, not replace, human decision-making.
Originally posted on Himalayas
Los empleadores en JOBUS nunca le pedirán pagar, comprar equipo ni compartir datos bancarios o de Seguro Social antes de una oferta formal. Confianza y seguridad