OpenAI

ミドル

データパイプラインから主要なモデル学習ランまで、フロンティアモデルにコンピュータを確実に操作させる学習を担う

OpenAIのAgent Post-Trainingチームで、computer useに特化したリサーチポジションです。実験の設計、eval・環境・graderの構築、そしてCodexやChatGPT、APIに出荷されるエージェント挙動をかたちづくるRLとデータパイプラインの改善を推進します。LLM、RL/RLHF/RLAIF、eval、プロダクションMLシステムの実務経験に加え、リサーチ・プロダクト・インフラ・セーフティの境界をまたぎ、オープンエンドでシグナルがノイジーな研究領域で動ける適応力が求められます。