Используем cookie для работы сайта и статистики. «Хорошо» разрешит ещё и запись сессий.
LLuma
1 месяц назад
Формат работы
Удалённо
Письмо на почту или сообщение рекрутеру в Telegram
You'll build the systems that make reinforcement learning work at frontier scale — coupling policy optimization with large fleets of inference workers, agentic environments, and the reward and verification systems that turn model behavior into learning signal. RL is how Luma's models go from capable to useful.
RL at scale is a full-loop systems problem: training, rollout generation, environment execution, and reward computation running concurrently across thousands of GPUs, all needing to stay fast, stable, and correct together. It fits someone who has lived this — post-trained LLMs with RL, built environments and verifiers, and debugged asynchronous rollout pipelines at scale. If you haven't operated RL at real scale, this will be deep water.
What You'll Own
First 90 Days
One way the first 90 could unfold.
What You Bring
Nice to Have
About Luma: Luma's mission is to build unified general intelligence that can generate, understand, and operate in the physical world. We believe multimodality is critical for intelligence — the next step beyond language models comes from vision. Luma is an equal opportunity employer.
Сравним навыки, грейд, формат работы и зарплату
Вы будете создавать системы, которые обеспечивают работу обучения с подкреплением в масштабах передовых исследований — объединяя оптимизацию политики с большими кластерами инференс-воркеров, агентными средами, а также системами вознаграждения и верификации, которые превращают поведение модели в сигнал для обучения. Обучение с подкреплением — это то, как модели Luma переходят от способных к полезным.
Обучение с подкреплением в масштабе — это комплексная системная задача: обучение, генерация развертываний, выполнение среды и вычисление вознаграждения, работающие одновременно на тысячах GPU, все это должно оставаться быстрым, стабильным и точным. Это подходит тому, кто уже сталкивался с этим — постобученные LLM с помощью RL, создававшие среды и верификаторы, и отлаживавшие асинхронные конвейеры развертывания в масштабе. Если вы не работали с RL в реальном масштабе, это будет слишком сложно.
*О Luma: Миссия Luma — создать унифицированный общий интеллект, способный генерировать, понимать и действовать в физическом мире. Мы считаем, что мультимодальность критически важна для интеллекта — следующий шаг после языковых моделей исходит из зрения.
Первые 90 дней
Один из вариантов развития первых 90 дней.
Чаще всего от 195 000 до 245 000
Чаще всего от 195 000 до 245 000