Researcher, Artifacts - Agent Post-Training

- 복잡한 소프트웨어 및 플러그인을 위한 에이전트 모델 행동 개선 실험 설계 및 실행 - RL, 데이터 파이프라인, 채점기, 보상 신호, 평가, 진단 및 모델 행동 분석을 포함한 포스트 트레이닝 스택의 엔드투엔드 개선 주도 - 모델의 실패 사례를 파악하는 평가 및 환경을 구축하고, 이를 훈련 데이터 및 제품 개선으로 연결 - Codex 및 ChatGPT 제품 팀과 협력하여 사용자 요구사항을 모델 개선에 반영 - 데이터 혼합, 목적 함수, 합성 데이터 및 평가 루프를 포함한 초기 훈련 및 정렬(Alignment) 개입 작업 수행 - 대규모 훈련 및 출시를 위한 시스템(실험 속도, 신뢰성, 관찰 가능성, 재현성, 비용, 지연 시간 등) 개선 - 멀티 에이전트 시스템 구축 등 모델 훈련, 제품 인프라를 아우르는 크로스 기능 프로젝트 수행

- 머신러닝, 소프트웨어 엔지니어링, 시스템, 통계 또는 관련 분야의 탄탄한 기술적 기초 - LLM, RL, RLHF/RLAIF, 포스트 트레이닝, 평가(Evals), 채점기(Graders), 합성 데이터, 모델 훈련, 코딩/도구 사용 에이전트 또는 프로덕션 ML 시스템에 대한 실무 경험 - 모호한 행동 문제를 구체적인 실험(가설 정의, 파이프라인 구축, 모델 실행, 결과 분석)으로 전환할 수 있는 능력 - 연구, 제품, 인프라, 데이터, 안전 등 다양한 부서와의 원활한 협업 및 소통 능력 - (우대사항) 컨설팅, 금융, 마케팅, 운영 또는 데이터 과학 분야의 배경지식