六项评测已更新:查看评分依据 →

模型后训练研究员

你将设计奖励函数并尝试攻破它:编写评分器、让模型主动寻找漏洞,再核对评分器是否真的衡量了目标。

我们希望你具备

前沿模型实验室或同等机构经验

  • 在实验室或研究团队从事过 RLHF、RLVR 或奖励模型工作
  • 习惯先寻找取巧路径,再评估正常解法
  • 了解薄弱奖励信号如何影响整个训练过程
  • 熟悉方差、pass^k 与数据污染检查

你可能参与

  • 为多步骤任务设计基于不变量的奖励函数
  • 用退化策略攻击评分器并记录绕过方法
  • 审查奖励规范中可被利用的漏洞
  • 明确新领域中可靠验证器的设计标准

参与方式

申请岗位,或先加入候补名单。

  1. 01

    提交申请

    选择岗位,回答一道与你的专业判断有关的问题。

  2. 02

    按任务分批邀请

    相关领域的环境开放后,我们会联系合适的专家。

  3. 03

    一起定义怎样才算做对

    通过远程合同合作,参与任务设计、过程记录和结果复核。

暂时不申请?留下邮箱和专业领域,适合的任务开放时我们会联系你。

远程合同制合作,报酬依岗位而定。