Ingeniero/a de Investigación, Code RL (Aprendizaje por Refuerzo)

Anthropic tiene la misión de crear sistemas de IA fiables, interpretables y dirigibles. Queremos que la IA sea segura y beneficiosa para nuestros usuarios y para la sociedad en su conjunto. Nuestro equipo es un grupo en rápido crecimiento de investigadores, ingenieros, expertos en políticas y líderes empresariales comprometidos que trabajan juntos para construir sistemas de IA beneficiosos.

Acerca de los Equipos de RL

Nuestros equipos de Aprendizaje por Refuerzo desempeñan un papel fundamental en el avance de nuestros sistemas de IA. Hemos contribuido a todos los modelos de Claude, con impactos significativos en la autonomía y las capacidades de codificación de nuestros últimos modelos de Claude. Nuestro trabajo abarca varias áreas clave:

Colaboramos estrechamente con los equipos de alineación y de equipos rojos de frontera de Anthropic para garantizar que nuestros sistemas sean capaces y seguros. Nos asociamos con el equipo de entrenamiento de producción aplicada para incorporar innovaciones de investigación en modelos desplegados, y estamos dedicados a implementar nuestra investigación a escala. Nuestros equipos de Aprendizaje por Refuerzo se encuentran en la intersección de la investigación de vanguardia y la excelencia en ingeniería, con un profundo compromiso de construir sistemas escalables y de alta calidad que superen los límites de lo que la IA puede lograr.

Acerca del Puesto

Estamos contratando para el equipo de Code RL dentro de la organización de RL. Como Ingeniero/a de Investigación, avanzarás en la capacidad de nuestros modelos para escribir, editar, probar, depurar y lanzar software real —de extremo a extremo, en bases de código reales, con herramientas reales— y para hacerlo de forma correcta, rápida y segura.

En qué nos diferenciamos

Creemos que la investigación de IA de mayor impacto será "big science". En Anthropic trabajamos como un único equipo cohesionado en solo unos pocos esfuerzos de investigación a gran escala. Y valoramos el impacto —avanzar en nuestros objetivos a largo plazo de IA dirigible y confiable— en lugar de trabajar en acertijos más pequeños y específicos. Vemos la investigación de IA como una ciencia empírica, que tiene tanto en común con la física y la biología como con los esfuerzos tradicionales en informática. Somos un grupo extremadamente colaborativo y organizamos frecuentes discusiones de investigación para garantizar que estamos persiguiendo el trabajo de mayor impacto en cualquier momento dado. Como tal, valoramos mucho las habilidades de comunicación.

La forma más fácil de entender nuestras direcciones de investigación es leer nuestra investigación reciente. Esta investigación continúa muchas de las direcciones en las que trabajó nuestro equipo antes de Anthropic, incluyendo: GPT-3, Circuit-Based Interpretability, Multimodal Neurons, Scaling Laws, AI & Compute, Concrete Problems in AI Safety, y Learning from Human Preferences.

¡Ven a trabajar con nosotros!

Este puesto combina investigación e ingeniería. Diseñarás entornos de RL y tareas de codificación, construirás las señales de recompensa y los verificadores que capturen qué significa "buen código", ejecutarás experimentos de entrenamiento en modelos de frontera, diagnosticarás por qué un modelo mejora (o no) en una clase de trabajo de ingeniería de software, y mejorarás la velocidad y fiabilidad de las canalizaciones que hacen que todo esto itere rápidamente. Code RL abarca varias áreas de enfoque —desde comportamientos de codificación agentivos y corrección de código, hasta ingeniería autónoma de largo alcance, hasta código de alto rendimiento para aceleradores— y te asignaremos al área donde tendrás el mayor impacto.

Podrías encajar bien si:

Los candidatos/as sólidos/as también pueden tener:

Puestos relacionados

Si tu experiencia se inclina específicamente hacia una de estas áreas, también puedes consultar estas ofertas:

El rango de compensación anual para este puesto se indica a continuación.

Para los puestos de ventas, el rango proporcionado es el rango de "Objetivo de Ingresos" ("OTE") del puesto, lo que significa que el rango incluye tanto las comisiones de ventas/bonificaciones de ventas objetivo como el salario base anual para el puesto.

Salario Anual

$500,000—$850,000 USD

Logística

Te animamos a que te postules incluso si no crees cumplir todos los requisitos. No todos los candidatos/as sólidos/as cumplirán todos los requisitos enumerados. La investigación muestra que las personas que se identifican como pertenecientes a grupos subrepresentados son más propensas a experimentar el síndrome del impostor y a dudar de la solidez de su candidatura, por lo que te instamos a que no te excluyas prematuramente y envíes una solicitud si te interesa este trabajo. Creemos que los sistemas de IA como los que estamos construyendo tienen enormes implicaciones sociales y éticas. Creemos que esto hace que la representación sea aún más importante, y nos esforzamos por incluir una variedad de perspectivas diversas en nuestro equipo.

Tu seguridad nos importa. Para protegerte de posibles estafas, recuerda que los reclutadores de Anthropic solo se ponen en contacto contigo desde direcciones de correo electrónico @anthropic.com. En algunos casos, podemos asociarnos con agencias de contratación verificadas que se identificarán como que trabajan en nombre de Anthropic. Ten cuidado con los correos electrónicos de otros dominios. Los reclutadores legítimos de Anthropic nunca te pedirán dinero, tarifas o información bancaria antes de tu primer día. Si alguna vez tienes dudas sobre una comunicación, no hagas clic en ningún enlace; visita anthropic.com/careers directamente para ver las ofertas de empleo confirmadas.

Orientación sobre el uso de IA por parte de los candidatos/as: Obtén información sobre nuestra política para el uso de IA en nuestro proceso de solicitud.