研究科学家
查看雇主原标题
Research ScientistCursor (Anysphere) · San Francisco; New York
职位信息来自雇主公开的招聘页面。申请前请务必在雇主官网核实详情。
为什么值得关注？
发现指数 46/100，仅依据与该职位一起存储的证据计算。
- 新的雇主官方职位
分数构成
- 时效性 （随职位发布时间变化）+18
- 雇主官方来源+15
- 稀有职位+5
- 公司来源健康度+8
该职位未包含：已披露薪资、远程职位、提及签证担保、提及搬迁、未出现在监控的职位板上。
这些理由来自雇主自己的职位描述与我们核实过的来源检查结果。除了已存储的信号之外，我们不做任何推测。
职位描述
机器翻译我们的使命是实现编码自动化。我们旅程的第一步是打造面向专业程序员的最佳工具，结合富有创造力的研究、设计与工程。我们的组织非常扁平，团队规模小且人才密集。我们尤其欣赏求真、充满热情且富有创造力的人。我们享受激烈的辩论、疯狂的想法以及交付代码。 研究科学家 SpaceXAI 正在构建编码的未来。我们训练前沿编码智能体，并在真实用户数据上扩展强化学习，使其越来越高效。
岗位职责
我们正在寻找能够在小型团队环境中推动高效强化学习或中期训练研究的研究科学家。你将端到端地负责模糊且困难的研究问题：提出假设、设计实验、构建测试所需的训练/评估/数据，并推动结果进入下一个模型。你应该期待比其他研究实验室拥有显著更大的职责范围和自主权。 • 加深我们对强化学习的理解，了解处理更长周期任务所需的条件，并以更少的算力进行训练
• 训练评分器，以在不可验证奖励的情况下提升编码任务的性能
• 提高我们用于训练模型的数据点的质量和难度
• 面向编码智能体的实时强化学习
如果你符合以下条件，你可能适合 • 你在强化学习方面有深厚背景，并具备扎实的机器学习基础
• 你是一名优秀的程序员和软件工程师
• 你能够在几乎没有指导的情况下处理模糊的研究任务
• 你非常重视数据质量，并能在适当的时候深入数据
• 你追求真理，目标是更多地了解科学，而不是证明自己的想法是正确的。
#LI-DNI
以上内容由机器翻译自动生成，可能存在错误；投递前请以雇主原文为准。
查看雇主原文
职位描述
Our mission is to automate coding. The first step in our journey is to build the best tool for professional programmers, using a combination of inventive research, design, and engineering. Our organization is very flat, and our team is small and talent dense. We particularly like people who are truth-seeking, passionate, and creative. We enjoy spirited debate, crazy ideas, and shipping code. Research Scientist SpaceXAI is building the future of coding. We train frontier coding agents and scale RL on real user data to make them increasingly effective.
岗位职责
We’re looking for Research Scientists who can drive effective RL or mid-training research in a small-team setting. You’ll own ambiguous, hard research problems end-to-end: forming hypotheses, designing experiments, building the training/eval/data needed to test them, and pushing results into the next model. You should expect significantly more scope and autonomy than in other research labs. • Improve our understanding of RL, what it takes to handle longer horizon tasks, and train with less compute
• Train graders to improve performance on coding tasks with non-verifiable reward
• Improve the quality and difficulty of datapoints we use for training our models
• Realtime RL for coding agents
You may be a fit if • You have a deep background in RL and strong machine learning fundamentals
• You’re an excellent programmer and software engineer
• You can handle ambiguous research tasks with little guidance
• You care a lot about data quality, and can dive into the data when appropriate
• You are truth seeking, aiming to learn more about the science than proving your ideas are correct.
#LI-DNI