OpenAI

ミドル

フロンティアモデルに、洗練された正確な成果物——ドキュメント、スプレッドシート、スライド、ダッシュボード——を作らせる

OpenAIのAgent Post-Trainingチームが、post-trainingの改善——RL、データパイプライン、grader、報酬シグナル、eval——をエンドツーエンドで担うリサーチャー/エンジニアを募集しています。漠然としたユーザーの目的を、構造・テイスト・正確性を備えた完成物へとモデルが変換できるように学習させる仕事です。面接では、RLHF/RLAIF、evalの設計、モデルの雑多な失敗を具体的な実験に翻訳する力について深く問われます。