Anthropic Fellows Program, Reinforcement Learning
Az Anthropic küldetése megbízható, értelmezhető és irányítható AI-rendszerek létrehozása. Az Anthropic Fellows Program az AI-kutatói és -mérnöki tehetségeket gondozza azzal, hogy finanszírozást és mentorálást nyújt ígéretes technikai tehetségeknek, korábbi tapasztalattól függetlenül. A fellow-k elsősorban külső infrastruktúrát (nyílt forráskódú modellek, nyilvános API-k) használva dolgoznak egy empirikus projekten, amely az Anthropic kutatási prioritásaihoz illeszkedik, és a cél egy nyilvános kimenet (pl. egy publikáció). A program 4 hónapos teljes munkaidős, megosztott munkaterekkel Londonban vagy Berkeley-ben, és távmunkás fellow-kat is fogadnak az Egyesült Királyságból, az USA-ból vagy Kanadából. Ez a munkafolyamat a Reinforcement Learning, amely az RL-környezetekre, a tréningadat minőségére, a generalizációra és a Claude-modellekhez tartozó RL-algoritmusokra fókuszál.
Stack
Feladatok
- ▹Empirikus RL-kutatási projekten dolgozni azzal a céllal, hogy nyilvános kimenet szülessen
- ▹Modellalapú eszközök építése az AI-tréningadatok jobb megértésére és a tréningadat minőségének javítására
- ▹Kutatási projekt a generalizáció jobb megértésére
- ▹RL-környezetek létrehozása a Claude-modellek képességeinek javítására a saját szakterületeden
- ▹RL-környezetek építése biztonsággal kapcsolatos feladatokhoz
- ▹Kutatás és megoldások implementálása olyan területeken, mint az RL-algoritmusok
Elvárások
- ▹Folyékony Python-programozási tudás
- ▹Elérhetőség a Fellows program teljes munkaidős elvégzéséhez
- ▹Erős technikai háttér számítástechnikában, matematikában vagy fizikában
- ▹Ötletek gyors megvalósítása és világos kommunikáció
- ▹Motiváció aziránt, hogy az AI biztonságos és hasznos legyen a társadalom egésze számára
- ▹Lelkesedés az empirikus AI-kutatásba való átmenet iránt, és érdeklődés egy teljes munkaidős anthropic-os szerep iránt
- ▹Munkavállalási engedély az USA-ban, az Egyesült Királyságban vagy Kanadában, és tartózkodás abban az országban a program alatt (a fellow-knak nincs vízumszponzoráció)
Előny
- ▹Erős szoftvermérnöki készségek komplex ML-rendszerek építésében szerzett tapasztalattal
- ▹Képesség a kutatási felfedezés és a mérnöki szigor, valamint az üzemeltetési megbízhatóság egyensúlyozására
- ▹Szívesen működik együtt a kutatási és mérnöki diszciplínák között
- ▹Otthonos a nagy léptékű elosztott rendszerekben és a nagy teljesítményű számításban
- ▹Tapasztalat nagy nyelvi modellek tréningezésében, finomhangolásában vagy kiértékelésében
- ▹Jártasság a modelltréning-folyamatok elemzésében és hibakeresésében
Soft skillek
Amit kínálunk
- ▹Heti ösztöndíj 3 850 USD / 2 310 GBP / 4 300 CAD + juttatások (országonként eltérő), heti 40 óra 4 hónapon át
- ▹Közvetlen mentorálás Anthropic-kutatóktól
- ▹Hozzáférés megosztott munkatérhez a kaliforniai Berkeley-ben vagy a londoni irodában
- ▹Számítási kapacitás finanszírozása (~15 000 USD/hó) és egyéb kutatási költségek fedezése
- ▹Kapcsolódás a tágabb AI-biztonsági kutatói közösséghez