正在读取岗位…

专家人才库、代理与强化学习

Expert Talent Pool, Agents and Reinforcement Learning

数据与人工智能全职
薪资标准
依项目、领域和级别;按工作小时支付
535.17 – 1,337.94 CNY / 小时原币种 USD 80–200/小时

AI 摘要

这是一个远程专家网络岗位,参与面向智能体与强化学习的人类数据项目,设计训练环境、验证器和奖励机制,构建业务流程评测与工具/API测试体系,并评估、修复智能体轨迹及指导贡献者。要求至少5年相关经验、扎实的Python能力,以及智能体或强化学习数据实践经验;项目通常持续一周至数月。

岗位速览

用工形式
全职
经验门槛
至少5年的软件工程、质量保证自动化(QA自动化)、机器学习、强化学习(Reinforcement Learning)或业务系统与运营方面的工作经验

岗位介绍

关于该职位

加入一个专注于智能体(agents)和强化学习(reinforcement learning)的AI人机数据项目专家网络。您将负责设计训练环境和评估系统,并在项目实施过程中对智能体的行为进行评估。

您的工作内容

  • 设计强化学习环境,包括使用 Python 和 Docker 的配置、状态空间、工具集成以及评分机制。
  • 开发能够抵御智能体“作弊”行为的强大验证器和奖励函数。
  • 将 ERP、CRM、金融和运营等领域的实际业务流程转化为可量化的场景。
  • 集成各种工具和 REST API,并使用 pytest 或类似工具构建测试框架。
  • 主导智能体演示程序和计算机使用程序的开发,为数据跟踪的质量设定标准。
  • 对智能体的行为轨迹进行评估和优化,并指导团队成员掌握评估方法。
  • 我们正在寻找什么样的人才
  • 至少5年的软件工程、质量保证自动化(QA自动化)、机器学习、强化学习(Reinforcement Learning)或业务系统与运营方面的工作经验,同时具备实际处理代理(agent)或强化学习数据的相关经验。
  • 精通Python编程语言,并有开发可供他人使用的工具或服务的经验。
  • 具备设计用于评估软件或代理行为的测试环境、验证工具、奖励函数(reward functions)或测试框架(test harnesses)的经验,能够使用pytest、Playwright、Selenium或Gymnasium等工具来实现这些功能。
  • 具备处理代理或强化学习数据的实际经验,例如进行代理行为演示、轨迹评估(trajectory grading)、数据收集(trace collection)或计算机使用演示(computer-use demos)等操作。
  • 有关 REST API 和 Docker 的工作经验:
  • 具有领导或审查数据相关工作的经验非常有价值;同时,在 Salesforce 或 ERP 平台等业务系统中建模工作流程的专业知识也很重要。
  • 拥有计算机科学、工程学或相关领域的学位会更有优势。
  • 薪酬与福利

薪酬根据项目、工作领域和职位级别不同,每小时为80至200美元。工资按照实际工作小时数计算。

地点

工作地点为远程办公。项目通常持续时间为1周到数月不等。

薪资范围:166,400美元至416,000美元

最初发布于 Himalayas

查看原岗位