Используем cookie для работы сайта и статистики. «Хорошо» разрешит ещё и запись сессий.
LLuma
Лондон, Великобритания1 месяц назад
Грейд
Senior
Формат работы
Удалённо, Гибрид
Уровень английского
B2, выше среднего
Письмо на почту или сообщение рекрутеру в Telegram
Вы будете создавать системы, которые обеспечивают работу обучения с подкреплением в передовом масштабе — объединяя оптимизацию политики с большими парками вычислительных узлов для инференса, агентными средами и 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 раскаток, выполнение среды и вычисление вознаграждения, работающие одновременно на тысячах GPU, все это должно оставаться быстрым, стабильным и корректным. *О Luma: Миссия Luma — создать унифицированный общий интеллект, который может генерировать, понимать и действовать в физическом мире. Мы верим, что мультимодальность имеет решающее значение для интеллекта — следующий шаг после языковых моделей исходит из зрения.
Первые 90 дней
Один из возможных вариантов развития первых 90 дней.
Это подходит тому, кто уже занимался этим — дообучал LLM с помощью RL, создавал среды и верификаторы, и отлаживал асинхронные конвейеры раскатки в масштабе. Если вы не работали с RL в реальном масштабе, это будет очень сложно.
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
Чаще всего от 191 000 до 229 000