Research Scientist, User Signals from Agentic Logs, DeepMind — Google Switzerland

Vollständige Beschreibung

Mindestqualifikationen

• PhD in Machine Learning, Natural Language Processing oder einem verwandten Bereich (oder gleichwertiger praktischer Erfahrung).
• Erfahrung in der Softwareentwicklung mit Python und einem oder mehreren Deep Learning Frameworks (z.B. PyTorch oder JAX).
• Forschungserfahrung in Post-Training, Reinforcement Learning (RL), Agentic RL, Preference Learning oder Belohnungsmodellierung.
• Erstautor (oder Co-Autor) Veröffentlichung in einer oder mehreren Peer-Review-Konferenzen für maschinelles Lernen oder natürliche Sprachverarbeitung (NLP) (z. B. NeurIPS, ICML, ICLR, ACL, EMNLP).

Bevorzugte Qualifikationen

• Erstautorenpublikationen an führenden ML/NLP-Locations (NeurIPS, ICML, ICLR, ACL, EMNLP).
• Erfahrung mit modernen Ausrichtungs- und Nachtrainingsmethoden (z. B. RLHF, DPO, PPO, Ablehnungsprobenahme oder Selbstspiel).
• Erleben Sie die Modellierung von Multiturn-Interaktionsdaten, Agenten-Trajektorien/Logs oder Benutzerfeedback (implizite und explizite Signale).
• Erleben Sie Training oder Bewertung von Belohnungsmodellen, Kritikmodellen oder automatisierten Bewertern (z. B. LLM-as-a-Richter).
• Erfahrung im agentischen Post-Training.

Über den Job Als Teil des Gemini User Signals-Teams wird ein Research Scientist dazu beitragen, die Post-Training-Strategie unserer fortschrittlichsten Modelle voranzutreiben, die sich der Etablierung des "Flywheel" der Ausrichtung widmen und komplexe Benutzerinteraktionen und Feedback in Trainingssignale umwandeln, die das Modellverhalten grundlegend verbessern. In dieser Rolle leiten Sie die Forschung zu Belohnungsmodellierung, Präferenzoptimierung und datenzentrierten Strategien, um die Schleife zwischen Benutzerbereitstellung und Modellschulung zu schließen. Sie werden helfen, die horizontalen Rezepte zu definieren, mit denen wir diese Erkenntnisse über verschiedene Modalitäten und Modellfamilien skalieren können. Künstliche Intelligenz wird eine der transformativsten Erfindungen der Menschheit sein. Bei Google DeepMind sind wir ein wegweisendes KI-Labor mit außergewöhnlichen interdisziplinären Teams, die sich darauf konzentrieren, die KI-Entwicklung voranzutreiben, um komplexe globale Herausforderungen zu lösen und qualitativ hochwertige Produktinnovationen für Milliarden von Nutzern zu beschleunigen. Wir nutzen unsere Technologien für den breiten öffentlichen Nutzen und wissenschaftliche Entdeckungen, Sicherheit und Ethik sind immer unsere höchste Priorität.

Wir verschieben die Grenzen über mehrere Domänen hinweg. Unsere globalen Teams bieten vielfältige Lernmöglichkeiten und Karrierewege für diejenigen, die durch gemeinsame Anstrengungen außergewöhnliche Ergebnisse erzielen wollen. Zuständigkeiten

• Entwerfen und implementieren Sie Mechanismen zum Sammeln, Filtern und Verwenden hochwertiger Benutzersignale (implizit und explizit), um Gemini-Modelle iterativ zu verbessern.
• Entwickeln und verfeinern Sie Belohnungsmodelle und Kritikmodelle, die Benutzerabsicht und -zufriedenheit genau erfassen und als Grundlage für Reinforcement Learning aus menschlichem Feedback (RLHF) und andere Ausrichtungstechniken dienen.
• Erstellen und validieren Sie "horizontale" Nachschulungsrezepte, die robust auf verschiedene Modellgrößen und -modalitäten (einschließlich Text und Audio) angewendet werden können.
• Untersuchen Sie neuartige Methoden zum Gewichten, Synthetisieren und Auswählen von Daten, um die Auswirkungen von Benutzersignalen auf die Modellleistung zu maximieren.
• Etablieren Sie strenge Bewertungsrahmen, um die Korrelation zwischen Offline-Metriken (Genauigkeit des Belohnungsmodells) und der Online-Benutzerzufriedenheit zu messen.

Anforderungen

• PhD in Machine Learning, natural language processing, or a related field (or equivalent practical experience).

• Experience with software development using Python and one or more deep learning frameworks (e.g., PyTorch or JAX).

• Research experience in post-training, reinforcement learning (RL), agentic RL, preference learning, or reward modeling.

• First-author (or co-author) publication in one or more peer-reviewed machine learning or natural language processing (NLP) conferences (e.g., NeurIPS, ICML, ICLR, ACL, EMNLP).

Fragen zu dieser Stellenanzeige