Используем cookie для работы сайта и статистики. «Хорошо» разрешит ещё и запись сессий.
Anthropic
Сан-Франциско, Соединенные Штаты1 год назад
500 000 – 850 000 USD
в год
Compensation (Annual Salary:): 500,000 – 850,000 USD per year
About Anthropic Anthropic’s mission is to create reliable, interpretable, and steerable AI systems. We want AI to be safe and beneficial for our users and for society as a whole. Our team is a quickly growing group of committed researchers, engineers, policy experts, and business leaders working together to build beneficial AI systems. About the role Reinforcement learning (RL) is how Claude learns to reason, write code, and act autonomously over long horizons. This role sits on the team that builds and owns the RL training system: the system that trains our production models and that researchers across Anthropic run their experiments on. The team works closely with research teams across the company on the science and engineering of making RL work at scale. As a Research Engineer on the team, you'll work at the center of RL at Anthropic. You'll have a direct view of how RL training behaves at the frontier because the system you own sits underneath both production and research runs. You will use it with collaborators across research teams to understand what is working, what is fragile, and where the next improvements are. Key responsibilities Build, own, and improve the core RL training system that serves Anthropic's production and research runs Work across the stack (orchestration, environments, training, inference, evaluation) wherever the system needs it Study how RL training behaves at scale and contribute to the research that improves it, in collaboration with teams across Anthropic Implement new training methods as stable, fast, well-tested code Improve the speed and efficiency of RL training and evaluation through profiling, optimization, and benchmarking Make the system easier for researchers to build on, through clean abstractions, clear APIs, and automated testing Debug hard problems across the stack, from a run that has quietly drifted to a distributed systems failure that only shows up at scale Communicate results clearly, in writing and in discussion Minimum qualifications Proficiency in Python and experience working in, debugging, and improving a large ML codebase Experience with large-scale machine learning training (reinforcement learning, pretraining, or post-training) or the systems that support it Experience with at least one modern ML framework (JAX, PyTorch, or similar) Ability to design controlled experiments and reach conclusions you and others can trust Ability to balance research exploration with engineering implementation Strong written and verbal communication skills Care about the societal impacts of your work and are committed to developing safe and beneficial systems Preferred qualifications Experience with reinforcement learning for large language models, in research, production, or both Experience studying training at scale: scaling behavior, training dynamics, or method development on large models Experience with large-scale distributed training systems Familiarity with LLM architectures and training methodologies Experience working close to a frontier training run Experience profiling and optimizing the performance of ML workloads Experience with RL environments, evaluations, or sandboxed code execution Experience with Rust or C++ Enjoy pair programming (we love to pair!) The annual compensation range for this role is listed below. For sales roles, the range provided is the role’s On Target Earnings ("OTE") range, meaning that the range includes both the sales commissions/sales bonuses target and annual base salary for the role. Annual Salary: $500,000 — $850,000 USD Logistics Minimum education: Bachelor’s degree or an equivalent combination of education, training, and/or experience Required field of study: A field relevant to the role as demonstrated through coursework, training, or professional experience Minimum years of experience: Years of experience required will correlate with the internal job level requirements for the position Location-based hybrid policy: Currently, we expect all staff to be in one of our offices at least 25% of the time. However, some roles may require more time in our offices. Visa sponsorship: We do sponsor visas! However, we aren't able to successfully sponsor visas for every role and every candidate. But if we make you an offer, we will make every reasonable effort to get you a visa, and we retain an immigration lawyer to help with this. We encourage you to apply even if you do not believe you meet every single qualification. Not all strong candidates will meet every single qualification as listed. Research shows that people who identify as being from underrepresented groups are more prone to experiencing imposter syndrome and doubting the strength of their candidacy, so we urge you not to exclude yourself prematurely and to submit an application if you're interested in this work. We think AI systems like the ones we're building have enormous social and ethical implications. We think this makes representation even more important, and we strive to include a range of diverse perspectives on our team. Your safety matters to us. To protect yourself from potential scams, remember that Anthropic recruiters only contact you from @anthropic.com email addresses. In some cases, we may partner with vetted recruiting agencies who will identify themselves as working on behalf of Anthropic. Be cautious of emails from other domains. Legitimate Anthropic recruiters will never ask for money, fees, or banking information before your first day. If you're ever unsure about a communication, don't click any links—visit anthropic.com/careers directly for confirmed position openings. How we're different We believe that the highest-impact AI research will be big science. At Anthropic we work as a single cohesive team on just a few large-scale research efforts. And we value impact — advancing our long-term goals of steerable, trustworthy AI — rather than work on smaller and more specific puzzles. We view AI research as an empirical science, which has as much in common with physics and biology as with traditional efforts in computer science. We're an extremely collaborative group, and we host frequent research discussions to ensure that we are pursuing the highest-impact work at any given time. As such, we greatly value communication skills. The easiest way to understand our research directions is to read our recent research. This research continues many of the directions our team worked on prior to Anthropic, including: GPT-3, Circuit-Based Interpretability, Multimodal Neurons, Scaling Laws, AI & Compute, Concrete Problems in AI Safety, and Learning from Human Preferences. Come work with us! Anthropic is a public benefit corporation headquartered in San Francisco. We offer competitive compensation and benefits, optional equity donation matching, generous vacation and parental leave, flexible working hours, and a lovely office space in which to collaborate with colleagues. Guidance on Candidates' AI Usage: Learn about our policy for using AI in our application process.
Сравним навыки, грейд, формат работы и зарплату
Чаще всего от 396 000 до 533 000
Формат работы
Гибрид
Уровень английского
B2, выше среднего
Релокация
Соединенные Штаты
Письмо на почту или сообщение рекрутеру в Telegram
Миссия Anthropic — создавать надежные, интерпретируемые и управляемые системы ИИ. Мы хотим, чтобы ИИ был безопасным и приносящим пользу нашим пользователям и обществу в целом. Наша команда — это быстрорастущая группа преданных своему делу исследователей, инженеров, экспертов по политике и бизнес-лидеров, работающих вместе над созданием полезных систем ИИ. Обучение с подкреплением (RL) — это то, как Claude учится рассуждать, писать код и действовать автономно на больших временных интервалах. Эта роль предполагает работу в команде, которая создает и поддерживает систему обучения RL: систему, которая обучает наши производственные модели и на которой исследователи Anthropic проводят свои эксперименты. Команда тесно сотрудничает с исследовательскими группами по всей компании в области науки и инженерии, позволяющей масштабировать RL. В роли инженера-исследователя в этой команде вы будете находиться в центре RL в Anthropic. Вы будете иметь прямое представление о том, как ведет себя обучение RL на передовом уровне, поскольку система, которой вы управляете, лежит в основе как производственных, так и исследовательских запусков. Вы будете использовать ее с сотрудниками из исследовательских команд, чтобы понять, что работает, что хрупко и где возможны дальнейшие улучшения. Мы считаем, что самые влиятельные исследования в области ИИ будут «большой наукой». В Anthropic мы работаем как единая сплоченная команда над несколькими крупномасштабными исследовательскими проектами. И мы ценим влияние — продвижение наших долгосрочных целей по созданию управляемого, заслуживающего доверия ИИ — а не работу над мелкими и более конкретными задачами. Мы рассматриваем исследования в области ИИ как эмпирическую науку, которая имеет столько же общего с физикой и биологией, сколько и с традиционными усилиями в области компьютерных наук. Мы чрезвычайно совместная группа, и мы проводим частые исследовательские дискуссии, чтобы гарантировать, что мы занимаемся работой, оказывающей наибольшее влияние в любое данное время. Таким образом, мы высоко ценим навыки общения. Самый простой способ понять наши исследовательские направления — прочитать наши последние исследования. Эти исследования продолжают многие направления, над которыми наша команда работала до Anthropic, в том числе: GPT-3, Circuit-Based Interpretability, Multimodal Neurons, Scaling Laws, AI & Compute, Concrete Problems in AI Safety и Learning from Human Preferences. Приходите работать с нами!
Создавать, управлять и улучшать основную систему обучения RL, которая обслуживает производственные и исследовательские запуски Anthropic Работать по всему стеку (оркестрация, среды, обучение, вывод, оценка) везде, где это необходимо системе Изучать, как ведет себя обучение RL в больших масштабах, и вносить вклад в исследования, которые его улучшают, в сотрудничестве с командами по всей Anthropic Внедрять новые методы обучения в виде стабильного, быстрого, хорошо протестированного кода Повышать скорость и эффективность обучения и оценки RL с помощью профилирования, оптимизации и бенчмаркинга Сделать систему более удобной для исследователей, создавая на ее основе, посредством чистых абстракций, четких API и автоматизированного тестирования Отлаживать сложные проблемы по всему стеку, от незаметно сместившегося запуска до сбоя распределенной системы, который проявляется только в больших масштабах Четко сообщать о результатах в письменной форме и в обсуждениях
Свободное владение Python и опыт работы с большими кодовыми базами ML, их отладки и улучшения Опыт крупномасштабного обучения машинному обучению (обучение с подкреплением, предварительное обучение или постобучение) или систем, которые его поддерживают Опыт работы как минимум с одним современным фреймворком ML (JAX, PyTorch или аналогичным) Способность проектировать контролируемые эксперименты и делать выводы, которым вы и другие можете доверять Способность балансировать между исследовательскими изысканиями и инженерной реализацией Сильные навыки письменного и устного общения Забота о социальном воздействии вашей работы и приверженность разработке безопасных и полезных систем Минимальное образование: степень бакалавра или эквивалентное сочетание образования, обучения и/или опыта Требуемая область обучения: Область, релевантная для роли, подтвержденная курсовой работой, обучением или профессиональным опытом Минимальный стаж работы: Требуемый стаж работы будет коррелировать с требованиями внутреннего уровня должности для данной позиции
Опыт обучения с подкреплением для больших языковых моделей, в исследованиях, производстве или обоих областях Опыт изучения обучения в больших масштабах: масштабируемость, динамика обучения или разработка методов для больших моделей Опыт работы с крупномасштабными распределенными системами обучения Знакомство с архитектурами LLM и методологиями обучения Опыт тесной работы с передовыми процессами обучения Опыт профилирования и оптимизации производительности рабочих нагрузок ML Опыт работы со средами RL, оценками или исполнением изолированного кода Опыт работы с Rust или C++ Удовольствие от парного программирования (мы любим парное программирование!)
Вознаграждение (Годовой оклад:): 500 000 – 850 000 USD в год
Годовой диапазон компенсации для этой роли указан ниже. Для ролей, связанных с продажами, указанный диапазон — это диапазон целевого заработка («OTE») для данной роли, что означает, что диапазон включает как целевые комиссии с продаж/бонусы за продажи, так и годовой базовый оклад для данной роли. Годовой оклад: $500 000 — $850 000 USD Логистика Локальная гибридная политика: В настоящее время мы ожидаем, что все сотрудники будут находиться в одном из наших офисов не менее 25% времени. Однако некоторые роли могут требовать больше времени в наших офисах. Визовая поддержка: Мы предоставляем визовую поддержку! Однако мы не можем успешно оказывать визовую поддержку для каждой роли и каждого кандидата. Но если мы сделаем вам предложение, мы приложим все разумные усилия, чтобы получить для вас визу, и мы привлекаем иммиграционного адвоката для помощи в этом. Мы призываем вас подать заявку, даже если вы считаете, что не соответствуете всем требованиям. Не все сильные кандидаты будут соответствовать всем перечисленным требованиям. Исследования показывают, что люди, идентифицирующие себя как принадлежащие к недопредставленным группам, чаще испытывают синдром самозванца и сомневаются в силе своей кандидатуры, поэтому мы настоятельно призываем вас не исключать себя преждевременно и подать заявку, если вас заинтересовала эта работа. Мы считаем, что системы ИИ, подобные тем, которые мы создаем, имеют огромные социальные и этические последствия. Мы считаем, что это делает репрезентативность еще более важной, и мы стремимся включать разнообразные точки зрения в нашу команду. Anthropic — это корпорация, приносящая общественную пользу, со штаб-квартирой в Сан-Франциско. Мы предлагаем конкурентоспособную компенсацию и льготы, опциональное соответствие пожертвований акциями, щедрый отпуск и отпуск по уходу за ребенком, гибкий график работы и прекрасное офисное пространство для сотрудничества с коллегами. Руководство по использованию ИИ кандидатами: Узнайте о нашей политике использования ИИ в процессе подачи заявки.