remotefruitRemote EMEA
Forschungsingenieur für Reinforcement Learning
- Arbeitszeit
- Vollzeit
- Erfahrung
- Erforderlich ist Erfahrung darin, ein Modell von Rohdaten bis zum produktiven Einsatz zu begleiten. Erfahrung im Post-Training ist wünschenswert.
- Vergütung
- 135.000 – 300.000 USD / Jahr
Die Rolle in Kürze
Die Rolle baut das Post-Training für Agenten auf, die über Sprache, SMS und Chat arbeiten, über mehrere Sitzungen hinweg nützlich bleiben, wachsenden Kontext verarbeiten und Werkzeuge zuverlässig im laufenden Gespräch einsetzen sollen. Sie verantwortet Trainingsgrundlagen, Experimente, Evaluationen und die Weiterentwicklung produktiver Modelle und arbeitet dabei mit einem kleinen, erfahrenen Team in einer Remote-Umgebung zusammen.
Deine Aufgaben
- Die Rolle entwickelt Trainingsumgebungen und Verifikatoren für die Modelle.
- Sie verantwortet die Pipeline für synthetische Daten von der Generierung bis zu den Qualitätsprüfungen.
- Sie führt Trainingsexperimente vollständig durch und erklärt die Ursachen beobachteter Modellveränderungen.
- Sie entwickelt Evaluationen, die vor einer Modellfreigabe bestanden werden müssen.
- Sie wählt Basismodelle mit offenen Modellgewichten aus und passt sie an die jeweiligen Aufgaben an.
- Sie stellt sicher, dass trainiertes Verhalten sowohl bei Sprach- als auch bei Textagenten zuverlässig funktioniert.
- Sie bringt Modelle in den produktiven Einsatz und verbessert sie anhand ihrer tatsächlichen Nutzung kontinuierlich.
Das solltest du mitbringen
Erforderlich
- Sehr gute Fähigkeiten in der Softwareentwicklung mit Python werden vorausgesetzt.
- Erforderlich ist, bereits ein Modell von Rohdaten bis zum produktiven Einsatz begleitet zu haben.
- Daten sollen als Produkt behandelt werden; dabei sind Abdeckung, Vielfalt und Datenlecks zu berücksichtigen.
- Vorausgesetzt wird, mögliche Ausnutzung schwacher Belohnungssignale durch Modelle einzukalkulieren und das Design dagegen abzusichern.
- Ein sicherer Umgang mit GPUs und eine ehrliche Einschätzung ihrer Grenzen werden erwartet.
- Erwartet wird die Fähigkeit zu beurteilen, wann Training sinnvoll ist und wann darauf verzichtet werden sollte.
- Sichere Zusammenarbeit in einer Remote-Arbeitsumgebung wird vorausgesetzt.
Von Vorteil
- Wünschenswert ist Erfahrung im Post-Training, etwa mit Fine-Tuning, Reward-Design oder Reinforcement Learning wie GRPO.
- Wünschenswert sind Kenntnisse von RL- und Fine-Tuning-Frameworks wie TRL, verl oder OpenRLHF oder eine selbst geschriebene Trainingsschleife.
- Wünschenswert sind Kenntnisse schneller Rollouts mit vLLM oder SGLang sowie von Multi-GPU-Training mit FSDP.
- Erfahrung im Training von Agenten, die Werkzeuge verwenden oder über mehrere Gesprächsrunden arbeiten, ist wünschenswert.
- Wünschenswert sind Kenntnisse von Ausführungs-Sandboxen, Verifikatoren, Evaluationsumgebungen oder Werkzeugen, auf die andere Entwickler angewiesen sind.
- Wünschenswert sind Kenntnisse von Modellfamilien mit offenen Gewichten wie Qwen oder Llama sowie von LoRA und ähnlichen Verfahren.
So ist Remote hier geregelt
- Die Rolle setzt sichere Zusammenarbeit in einer Remote-Arbeitsumgebung voraus.
Das wird angeboten
- Angeboten werden eine wettbewerbsfähige Vergütung und ein Beteiligungspaket.
- Das Leistungspaket umfasst Gesundheits-, Zahn- und Sehleistungen.
- Es gilt eine flexible Urlaubsregelung.
- Die Rolle bietet Gestaltungsmöglichkeiten für die Marke einer wachsenden Entwicklerplattform und Zusammenarbeit mit einem kleinen, erfahrenen Team, das handwerkliche Qualität und Kreativität schätzt.
So läuft die Bewerbung
- Bei Bedarf können angemessene Anpassungen für das Bewerbungs- oder Interviewverfahren angefragt werden.
Veröffentlicht: 19.08.2026 · Quelle geprüft: 18.10.2026.
Die Angaben sind für RemoteFruit einheitlich aufbereitet. Maßgeblich bleibt die Originalanzeige. RemoteFruit steht in keiner Partnerschaft mit dem ausschreibenden Unternehmen.