Research Engineer, RL Scaling Science

대규모 RL 실험을 설계, 실행, 해석하고 데이터가 보여주는 것과 보여주지 않는 것을 엄밀하게 추론; horizon, compute, model size 증가에 따른 RL 성능 변화를 조사; long-horizon RL의 진전을 측정 가능하고 재현 가능하게 만드는 벤치마크 구축 및 유지; 검증된 연구 결과를 production training recipes로 전환하고 배포 가능 여부를 판단; 연구와 인프라의 경계에서 발생하는 복잡한 장애를 디버깅; 인접 RL 팀과 협업하여 전체 RL 스택 발전.

필수: Reinforcement Learning, large-scale ML training 또는 인접 분야의 강한 실증 연구 역량, 대규모 실험을 설계부터 해석까지 end-to-end로 수행한 경험, Python 숙련도, 대규모/분산 ML 시스템 경험, 연구와 시스템의 경계에서 디버깅할 수 있는 역량, AI의 사회적 영향과 책임 있는 스케일링에 대한 관심. 우대: long-horizon RL 또는 RL fundamentals 관련 출판/출시 경험, 연구 결과를 production training recipes로 전환한 경험, RL 개입을 통한 대규모 산업 영향 경험, frontier-scale training run 및 긴 trajectory 경험.