Technische Fachkraft für Post-Training mit Reinforcement Learning und Generalisierung

Arbeitszeit: Die Arbeitszeiten sollen auf die für den Standort maßgebliche Kernzeitzone beziehungsweise die erwarteten Arbeitszeiten abgestimmt sein.
Erfahrung: Erwartet werden praktische Erfahrung mit LLM-Training und Reinforcement Learning für LLMs sowie belegte Arbeit zu Generalisierung, Robustheit oder Verteilungsverschiebungen.
Vergütung: Gehalt nicht angegeben

Die Rolle in Kürze

Die Rolle entwickelt Trainingsverfahren, Umgebungen und Evaluationen, um echtes Lernen von bloßer Anpassung an Trainingsaufgaben zu unterscheiden und erfolgreiche Forschung in Produktionsmodelle zu überführen. Sie arbeitet eng mit den Teams für Post-Training-Dateninfrastruktur, Evaluation und Pre-Training zusammen.

Deine Aufgaben

Die Rolle konzipiert, durchläuft und analysiert groß angelegte RL-Post-Training-Experimente, etwa RLHF und Reinforcement Learning mit überprüfbaren Belohnungen.
Sie entwickelt Trainingsumgebungen und Methoden für bessere Generalisierung außerhalb der Trainingsverteilung, darunter Belohnungsdesign, vielfältige Umgebungen und Aufgaben, Lerncurricula und Regularisierung.
Sie erstellt vom Training getrennte Evaluationen für unbekannte Aufgaben, Domänen und Formate, die auch Reward Hacking und Überanpassung an Benchmarks erkennen.
Sie untersucht Trainingsdynamiken und Fehlerbilder wie Instabilität, übermäßige Belohnungsoptimierung und Rückschritte bei Modellfähigkeiten.
Sie überführt erfolgreiche Forschung in robuste, reproduzierbare Trainingsverfahren für Produktionsmodelle.

Das solltest du mitbringen

Erforderlich

Erwartet werden starke Forschungs- und Softwareentwicklungsfähigkeiten sowie praktische Erfahrung im Training großer Sprachmodelle.
Erwartet wird Erfahrung mit Reinforcement Learning für LLMs, beispielsweise PPO, GRPO, RLHF oder RLVR; Erfahrung in großem Maßstab ist dabei ideal.
Erwartet werden durch Publikationen oder ausgelieferte Modelle belegte Arbeiten zu Generalisierung, Robustheit oder Verteilungsverschiebungen.
Erwartet wird eine rigorose experimentelle Arbeitsweise mit sauberen Ablationsstudien, sorgfältigen Kontrollen und belastbaren Schlussfolgerungen aus verrauschten Ergebnissen.
Erwartet werden ausgezeichnete Kommunikationsfähigkeiten.
Erwartet werden ein tiefes Verständnis von Datenqualitätsprinzipien und bewährten Verfahren, die Bereitschaft zur gründlichen Datenanalyse sowie ein gutes Gespür für Datensatzqualität und den Einfluss verschiedener Dateneigenschaften auf Trainingsergebnisse.

Von Vorteil

Erfahrung mit verteiltem Training, beispielsweise mit JAX, PyTorch, FSDP oder Megatron, ist von Vorteil.

So ist Remote hier geregelt

Die Tätigkeit ist remote oder an einem Bürostandort in Toronto, London, New York City, San Francisco, Montreal, Paris, Berlin oder Seoul möglich; eine Mindestpräsenz im Büro besteht nicht.
Für die Rolle wird eine Abstimmung auf die standortbezogene Kernzeitzone beziehungsweise Arbeitszeit erwartet.
Es besteht keine Mindestpräsenz im Büro.
Für remote arbeitende Vollzeitbeschäftigte gibt es ein Budget für Reisen zu anderen Büros; außerdem wird ein jährliches Unternehmenstreffen außerhalb des Büros angeboten.

Das wird angeboten

Vollzeitbeschäftigte erhalten wöchentlich $75/£75 oder den Gegenwert in lokaler Währung für Mittagessen. Im Büro gibt es täglich ein Mittagsangebot, Snacks sowie regelmäßige Gemeinschafts- und Sozialveranstaltungen.
Für Vollzeitbeschäftigte werden umfassende Gesundheits- und Zahnleistungen mit separatem Budget für psychische Gesundheit sowie RRSP-Matching, 401K und ein Pensionsplan angeboten.
Vollzeitbeschäftigte erhalten für beide Elternteile eine Aufstockung der Elternzeitvergütung auf 100 % für bis zu 6 Monate.
Vollzeitbeschäftigte erhalten jährliche Leistungen für Kunst und Kultur, Fitness und Wellness, gemeinsame Qualitätszeit sowie ein Guthaben zur Arbeitsplatzverbesserung. Hinzu kommt ein Bildungszuschuss für Konferenzen, Kurse und Coaching.
Vollzeitbeschäftigte erhalten 6 Wochen bezahlten Urlaub, entsprechend 30 Arbeitstagen.
Für remote arbeitende Vollzeitbeschäftigte steht ein Reisebudget für Besuche anderer Büros bereit; außerdem gibt es ein jährliches Unternehmenstreffen außerhalb des Büros.
Beschäftigte ohne Büro in ihrer Nähe erhalten eine Coworking-Leistung, um mit anderen Menschen in ihrer Stadt arbeiten zu können.
Alle Beschäftigten erhalten einen Zuschuss von $500 zur Einrichtung ihres Arbeitsplatzes zu Hause.

So läuft die Bewerbung

Bewerbungen sind auch bei nicht vollständig passender Erfahrung möglich.
Bei Bedarf werden Anpassungen im Bewerbungsverfahren gemeinsam abgestimmt.
KI-gestützte Werkzeuge können Bewerbungen anhand der Stellenkriterien sichten und bewerten. Dies beschränkt nicht, welche Bewerbungen das Recruiting-Team prüfen oder berücksichtigen kann.
Im Einstellungsverfahren werden weder Zahlungen noch die Nutzung externer Dienstleistungen wie einer Lebenslauferstellung verlangt.

Veröffentlicht: 14.10.2026 · Quelle geprüft: 20.10.2026.

Die Angaben sind für RemoteFruit einheitlich aufbereitet. Maßgeblich bleibt die Originalanzeige. RemoteFruit steht in keiner Partnerschaft mit dem ausschreibenden Unternehmen.