Senior Applied Scientist (Post-Training)

Название: Старший прикладной ученый (Post-Training) Компания: Zillow Местоположение: Удаленно-США

Местоположение: Удаленно-США Рабочее место: Удаленно Занятость: Полная О команде Команда Agentic Foundations — это сплоченная группа из 15–20 прикладных ученых в рамках более широкой организации Agentic AI компании Zillow, разрабатывающая фундаментальные ИИ-технологии, которые лежат в основе следующего поколения опыта поиска жилья. Этот Старший прикладной ученый сосредоточится на постобучении моделей и моделировании вознаграждений — науке, которая позволяет нашим агентам измеримо улучшаться с течением времени в рамках самоэволюционирующей агентной системы. Эта роль будет управлять сложными, неопределенными задачами от начала до конца, тесно сотрудничая с командами по продуктам, инжинирингу, науке, платформе и данным для внедрения последних достижений в области LLM, обучения с подкреплением и постобучения в производственную среду. Это захватывающее время для присоединения, поскольку Zillow создает агентные возможности для всего пути поиска жилья — от поиска и персонализированных рекомендаций до стратегии предложения и финансирования — в масштабе сотен миллионов запросов в день.

О роли

Роль и обязанности:

• Ответственность за конвейеры постобучения LLM — SFT, DPO и обучение с подкреплением (RFT/GRPO) — выполнение полного цикла обучения на GPU-инфраструктуре.
• Создание и обучение быстрых многокатегорийных моделей вознаграждения (PRM), которые выдают скалярные сигналы из пар контрастивных предпочтений.
• Разработка on-policy и online оценки: оценка траекторий живых агентов с использованием фреймворков LLM-as-a-Judge.
• Преобразование оффлайн-рубрик оценки в обобщаемые функции вознаграждения, работающие на произвольных производственных трассах.
• Самостоятельное управление сложными задачами от начала до конца путем сотрудничества с партнерскими командами.
• Предоставление технического лидерства и наставничества, помогая внедрять передовые исследования в области ИИ для достижения производственных результатов.

Эта роль классифицируется как удаленная. Сотрудники, работающие удаленно, не имеют постоянного офиса компании и вместо этого работают из выбранного ими физического места, которое должно быть указано компании. Сотрудники из США могут проживать в любом из 50 штатов США, за некоторыми исключениями.

В Калифорнии, Коннектикуте, Мэриленде, Массачусетсе, Нью-Джерси, Нью-Йорке, штате Вашингтон и Вашингтоне, округ Колумбия, стандартный диапазон базовой заработной платы для этой роли составляет $164,400.00 - $262,600.00 в год. Этот диапазон базовой заработной платы специфичен для этих мест и может не применяться к другим местам.

В Колорадо, Гавайях, Иллинойсе, Мэне, Миннесоте, Неваде, Огайо, Род-Айленде, Вермонте и Вирджинии стандартный диапазон базовой заработной платы для этой роли составляет $156,200.00 - $249,400.00 в год. Диапазон базовой заработной платы специфичен для этих мест и может не применяться к другим местам.

В дополнение к конкурентоспособной базовой заработной плате эта должность также дает право на получение опционов на акции в зависимости от таких факторов, как опыт, производительность и местоположение. Фактические суммы будут варьироваться в зависимости от опыта, производительности и местоположения. Сотрудники на этой должности не будут получать оплату ниже порогового значения заработной платы для необлагаемых сотрудников в штате, где они проживают.

Кто вы

• Степень магистра или выше в области компьютерных наук или смежной области.
• Практический опыт постобучения LLM и тонкой настройки с помощью RL: SFT, DPO, RFT/GRPO, выполнение полного цикла обучения на GPU-инфраструктуре.
• Опыт разработки моделей вознаграждения — достаточно опыта на уровне исследований; развертывание в производственной среде не требуется.
• Глубокое знание генеративного ИИ, включая фундаментальные модели, трансформеры, обучение с подкреплением и обучение предпочтениям.
• Способность самостоятельно определять масштабы и решать неоднозначные проблемы от начала до конца, обеспечивая техническое руководство для ученых и MLE.
• Сильные навыки программирования, особенно Python, а также опыт работы с ML-фреймворками, такими как PyTorch или TensorFlow.

Желательно:

• PhD в области компьютерных наук, машинного обучения или смежной области.
• Опыт оценки агентного ИИ: анализ многоповоротных траекторий, LLM-as-a-Judge и взаимодействие между оффлайн-оценками и онлайн-мониторингом.
• Опубликованные работы по постобучению, RLHF/RLAIF, обучению предпочтениям или моделированию вознаграждений.
• Опыт работы с платформами обучения на GPU, такими как Databricks или Fireworks.

Узнайте о нас В Zillow мы переосмысливаем то, как люди переезжают — через рынок недвижимости и через свои карьеры. Будучи самой посещаемой платформой недвижимости в США, мы помогаем людям ориентироваться в покупке, продаже, финансировании и аренде с большей легкостью и уверенностью. Независимо от того, работаете ли вы в сфере технологий, продаж, операций или дизайна, вы станете частью компании, которая меняет отрасль и помогает большему количеству людей воплотить мечту о собственном доме в реальность.

Наш способ работы является ключевой частью этой трансформации. Благодаря Cloud HQ, нашему стратегическому подходу к распределенной работе, большинство сотрудников имеют гибкость работать из любого места, где они наиболее продуктивны, — это позволяет нам работать быстро, оставаться на связи и выполнять наши обещания людям.

Zillow с гордостью признана одной из лучших компаний в США. Zillow была названа в числе 100 лучших компаний для работы в 2026 году по версии FORTUNE и вошла в список лучших компаний Америки 2026 года по версии TIME, что отражает нашу приверженность созданию инновационной, инклюзивной и привлекательной культуры, в которой сотрудники имеют возможность расти.

Независимо от вашей должности в организации, ваша работа будет способствовать инновациям, поддерживать наших клиентов и продвигать отрасль — и вашу карьеру — вперед, вместе.

Zillow Group является работодателем с равными возможностями, стремящимся к созданию инклюзивной, инновационной среды с лучшими сотрудниками. Мы придерживаемся равных возможностей трудоустройства независимо от расы, цвета кожи, происхождения, религии, пола, национальной принадлежности, сексуальной ориентации, возраста, гражданства, семейного положения, инвалидности, гендерной идентичности или статуса ветерана. Если у вас есть инвалидность или особые потребности, требующие адаптации, свяжитесь напрямую с вашим рекрутером.

Квалифицированные кандидаты с судимостью или историей арестов будут рассматриваться для трудоустройства в соответствии с применимым законодательством штата и местным законодательством.

Кандидаты из округа Лос-Анджелес: Должностные обязанности для этой должности включают: безопасная и кооперативная работа с другими сотрудниками, руководителями и персоналом; соблюдение стандартов качества, несмотря на стрессовые условия; эффективное и уважительное общение с сотрудниками, руководителями и персоналом для обеспечения исключительного обслуживания клиентов; и соблюдение всех федеральных, государственных и местных законов и политик компании. История судимости может иметь прямое, неблагоприятное и негативное отношение к некоторым материальным должностным обязанностям этой должности. К ним относятся обязанности и ответственность, перечисленные выше, а также способность соблюдать политику компании, проявлять здравый смысл, эффективно управлять стрессом и безопасно и уважительно работать с другими, проявлять надежность и профессионализм, а также защищать деловые операции и репутацию компании. В соответствии с постановлением округа Лос-Анджелес о справедливом шансе, мы будем рассматривать для трудоустройства квалифицированных кандидатов с историей арестов и судимостей.