Miembro del Personal Técnico, Entrenamiento de Modelos (investigación en posentrenamiento)

Job Title: Miembro del personal técnico, entrenamiento de modelos (investigación en post-entrenamiento)

Job Type: Tiempo completo

Location: Remoto

The Role

En este puesto, investigarás cómo interactúan los algoritmos de aprendizaje, los datos de entrenamiento y las metodologías de evaluación para producir un razonamiento más sólido, una mejor generalización y mejores capacidades de agentes. Explorarás nuevos enfoques de aprendizaje por refuerzo, destilación y entrenamiento eficiente en datos, traduciendo los hallazgos de la investigación en métodos escalables que mejoren la inteligencia de los modelos.

Este es un puesto altamente experimental en la intersección entre 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.

What You'll Do

• Investigar, implementar y escalar métodos avanzados de post-entrenamiento, incluidos el ajuste fino supervisado (SFT), el aprendizaje por refuerzo (RL) y la destilación on-policy (OPD), en modelos de lenguaje y multimodales de gran escala.
• Investigar los objetivos de aprendizaje, la dinámica de optimización, las estrategias de exploración y los mecanismos de asignación de crédito para mejorar la estabilidad del entrenamiento, la eficiencia de muestras y la adquisición de capacidades.
• Desarrollar y refinar recetas de entrenamiento optimizando de forma conjunta las mezclas de datos, las estrategias de muestreo, los currículos y las metodologías de evaluación.
• Diseñar métodos para aprender a partir de demostraciones de expertos, preferencias humanas, correcciones y trayectorias generadas por modelos, identificando dónde la retroalimentación humana aporta las mayores mejoras.
• Investigar la coevolución de generadores, modelos de recompensa y evaluadores, desarrollando enfoques que mejoren tanto el rendimiento de los modelos como la calidad de las señales de entrenamiento que consumen.
• Diseñar experimentos rigurosos, estudios de ablación y marcos de evaluación para medir la generalización, el razonamiento y el rendimiento en tareas realistas posteriores.
• Liderar iniciativas de investigación de principio a fin, desde identificar direcciones prometedoras e implementar nuevos algoritmos hasta ejecutar experimentos a gran escala y validar resultados.

What We're Looking For

• Sólidos fundamentos en aprendizaje automático, aprendizaje profundo, optimización y técnicas modernas de entrenamiento de modelos.
• Experiencia práctica en el entrenamiento, ajuste fino o post-entrenamiento de modelos de lenguaje o multimodales de gran escala.
• Amplia experiencia técnica en una o más áreas, como aprendizaje por refuerzo, destilación de modelos, modelado de recompensas, selección de datos o dinámica del aprendizaje.
• Dominio sólido de Python y PyTorch, con capacidad para implementar, depurar y optimizar pipelines de entrenamiento complejos.
• Experiencia en diseño de experimentos controlados, interpretación del comportamiento de modelos y traducción de hallazgos empíricos en líneas de investigación accionables.
• Capacidad para abordar de forma independiente problemas de investigación ambiguos, formular hipótesis e iterar rápidamente según la evidencia experimental.
• Sólida capacidad analítica y mentalidad orientada a la investigación, con énfasis en la reproducibilidad, el rigor científico y las mejoras medibles.

Nice to Have

• Experiencia con RLHF, RLAIF, optimización de preferencias o aprendizaje por refuerzo para tareas de razonamiento y agénticas.
• Familiaridad con el entrenamiento distribuido, la experimentación a gran escala y la optimización de modelos en GPU.
• Experiencia en el desarrollo de modelos de recompensa, verificadores, evaluadores o sistemas de evaluación automatizada.
• Contribuciones de investigación en post-entrenamiento, aprendizaje por refuerzo o áreas afines, mediante publicaciones, proyectos de código abierto o sistemas en producción.
• Experiencia en la investigación de generación de datos sintéticos, aprendizaje curricular o técnicas de automejora iterativa.

Compensation & Benefits Notice

El rango salarial nacional para este puesto de tiempo completo es un salario base de 200.000 $ a 320.000 $. Todos los empleados son elegibles para compensación en acciones, y los empleados también pueden recibir bonificaciones basadas en el desempeño, según el puesto y sujetas a las políticas de la empresa. micro1 ofrece un paquete integral de beneficios, que incluye un reembolso de hasta el 100 % de las primas del seguro médico, días de vacaciones pagados, un plan 401(k) con aportación de la empresa y beneficios adicionales diseñados para apoyar a una fuerza laboral remota de alto rendimiento.

micro1 es un empleador que ofrece igualdad de oportunidades. Todas las personas candidatas calificadas serán consideradas para el empleo sin distinción de raza, color, religión, sexo (incluidos el embarazo, la orientación sexual o la identidad de género), origen nacional, edad, discapacidad, información genética, condición de veterano u otra característica protegida por las leyes, reglamentos y ordenanzas locales aplicables. Si necesitas asistencia o un ajuste razonable durante el proceso de solicitud, escribe a support@micro1.ai.

Nuestro proceso de contratación utiliza herramientas de inteligencia artificial para ayudar en la selección y evaluación de candidatos. Nuestras herramientas de IA están diseñadas para complementar, no reemplazar, la toma de decisiones humana.