Estados Unidos
Redwood Materials
Anthropic
Ingeniero/a de Software Full-Stack, Aprendizaje por Refuerzo
Estados Unidos
San Francisco, California, Estados Unidos · New York, New York, Estados Unidos
TypeScriptPythonReactAWSGCPDocker
Traducción automática. Consulta el original.
SOBRE ANTHROPIC
La misión de Anthropic es 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.
SOBRE EL PUESTO
Como Ingeniero/a de Software Full-Stack en RL, construirás las plataformas, herramientas e interfaces que potencian la creación de entornos, la recopilación de datos y la observabilidad del entrenamiento. La calidad de la próxima generación de Claude depende de la calidad de los datos con los que la entrenamos, y los sistemas que construyas son los que hacen posible esos datos.
Serás responsable de las superficies del producto de principio a fin, desde los servicios backend y las APIs hasta las interfaces web que utilizan investigadores, proveedores externos y miles de etiquetadores de datos cada día. No necesitas experiencia en investigación de ML. Lo que importa es que puedas abordar un problema ambiguo y de alto riesgo y lanzar un producto pulido y fiable rápidamente.
Este equipo se mueve muy rápido. Claude escribe gran parte del código que confirmamos, lo que significa que el cuello de botella no es la escritura, sino el juicio, el gusto y la capacidad de reaccionar a lo que los investigadores necesitan a continuación. Iterarás en las estrategias de recopilación de datos para destilar el conocimiento de miles de expertos humanos de todo el mundo en nuestros modelos, y lo harás en un bucle que se cierra en horas y días, no en trimestres o meses.
La organización de Aprendizaje por Refuerzo (RL) de Anthropic lidera la investigación y el desarrollo que entrena a Claude para ser capaz, fiable y seguro. Hemos contribuido a cada modelo de Claude, con un impacto significativo en la autonomía y las capacidades de codificación de nuestros modelos más avanzados. Nuestro trabajo abarca la enseñanza a los modelos para utilizar ordenadores de forma eficaz, el avance de la generación de código a través de RL, el pionerismo en investigación fundamental de RL para modelos de lenguaje grandes y la construcción de las metodologías de entrenamiento escalables detrás de nuestros modelos de producción de vanguardia.
La organización de RL se organiza en torno a cuatro objetivos: resolver la ciencia de las tareas de largo horizonte y el aprendizaje continuo, escalar los datos y entornos de RL para que sean completos y diversos, automatizar la ingeniería de software de principio a fin y entrenar el modelo de producción de vanguardia. Nuestros equipos de ingeniería construyen los entornos, los sistemas de evaluación, los pipelines de datos y las herramientas que hacen posible todo esto, desde entornos de entrenamiento agentes realistas y la generación de datos de código escalables hasta plataformas de recopilación de datos humanos y operaciones de entrenamiento de producción.
CÓMO SOMOS DIFERENTES
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 asegurar 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.
QUÉ HARÁS
- Construir y ampliar plataformas web para la creación, gestión y revisión de la calidad de entornos de RL, incluyendo flujos de trabajo de configuración de entornos, versionado y validación.
- Desarrollar interfaces y herramientas para proveedores que permitan a los socios externos crear, enviar e iterar en entornos de entrenamiento con mínima fricción.
- Diseñar e implementar plataformas para la recopilación de datos humanos a escala, incluyendo flujos de trabajo de etiquetado, sistemas de garantía de calidad y mecanismos de retroalimentación que detecten problemas de integridad de la señal de recompensa de forma temprana.
- Construir dashboards de evaluación e interfaces de observabilidad que ofrezcan a los investigadores información en tiempo real sobre la calidad del entorno, el estado de las ejecuciones de entrenamiento y el 'reward hacking'.
- Crear servicios backend y APIs que conecten herramientas de autoría de entornos, sistemas de recopilación de datos e infraestructura de entrenamiento de RL.
- Construir y ampliar pipelines escalables de generación de datos de código, produciendo tareas de programación diversas con señales de recompensa robustas en todos los lenguajes y niveles de dificultad.
- Desarrollar herramientas de automatización de incorporación y documentación para que los nuevos proveedores y usuarios internos se pongan al día en horas, no en semanas.
- Colaborar estrechamente con investigadores de RL, operaciones de datos y gestión de proveedores para traducir requisitos ambiguos en productos bien definidos y bien diseñados.
PUEDES SER UN BUEN CANDIDATO SI
- Tienes sólidos fundamentos de ingeniería de software y un rango real full-stack; te sientes cómodo/a siendo responsable de una superficie desde el esquema de la base de datos hasta el frontend.
- Eres competente en Python y en un stack web moderno (React, TypeScript, o similar).
- Tienes un historial de lanzamiento de sistemas que resolvieron un problema difícil, no solo que se lanzaron a tiempo; por ejemplo, construiste la cosa que hizo que tu equipo fuera 10 veces más rápido, o la herramienta interna que nadie pensó que fuera posible.
- Operas con alta iniciativa: identificas lo que hay que hacer y lo impulsas sin esperar una tarea.
- Te has encontrado preguntándote "¿por qué esto no avanza más rápido?" en roles anteriores, y luego has hecho algo al respecto.
- Te importa la experiencia de usuario (UX) y puedes construir interfaces que sean intuitivas tanto para investigadores técnicos como para etiquetadores no técnicos.
- Te comunicas claramente con investigadores, equipos de operaciones e ingenieros, y puedes convertir peticiones vagas en trabajo bien definido.
- Prosperas en un entorno de ritmo rápido donde las prioridades cambian, Claude es tu programador/a par y el siguiente problema es a menudo uno que nadie ha resuelto antes.
- Te importa la misión de Anthropic de construir IA segura y beneficiosa y quieres que tu trabajo contribuya directamente a ella.
LOGÍSTICA
Educación mínima: Título de Grado o una combinación equivalente de educación, formación y/o experiencia.
Campo de estudio requerido: Un campo relevante para el puesto demostrado a través de cursos, formación o experiencia profesional.
Años mínimos de experiencia: Los años de experiencia requeridos se correlacionarán con los requisitos de nivel de puesto interno para la posición.
LOS CANDIDATOS CON EXPERIENCIA TAMBIÉN PUEDEN TENER
- Plataformas de recopilación de datos, etiquetado o anotación construidas, idealmente aquellas que tuvieron que escalar a través de muchos proveedores o muchos tipos de tareas.
- Experiencia en la construcción de plataformas multi-inquilino con control de acceso basado en roles, pistas de auditoría y flujos de trabajo de gestión de proveedores.
- Experiencia con infraestructura en la nube (GCP o AWS), Docker y pipelines de CI/CD.
- Familiaridad con flujos de trabajo de entrenamiento, ajuste fino o evaluación de LLM.
- Experiencia con Python asíncrono (Trio, asyncio) o diseño de API de alto rendimiento.
- Experiencia en dashboards, monitorización o herramientas de observabilidad.
- Experiencia trabajando directamente con proveedores o socios externos en integraciones técnicas.
- Una trayectoria que no es lineal; por ejemplo, matemáticas o física hacia ingeniería de software, programación competitiva, investigación hacia ingeniería, o un proyecto paralelo que superó su alcance.
PROYECTOS REPRESENTATIVOS
- Construcción de una plataforma unificada para la recopilación de datos humanos que integra flujos de trabajo de etiquetado, gestión de proveedores y QA para tareas agentes complejas.
- Desarrollo de automatización de incorporación de proveedores que maneja el acceso al registro de Docker, la gestión de tokens de API y la validación de entornos.
- Creación de dashboards de evaluación y observabilidad que detectan 'reward hacks', miden la dificultad del entorno y proporcionan retroalimentación en tiempo real durante el entrenamiento de producción.
- Construcción de flujos de trabajo de revisión de calidad de entornos que permiten a los investigadores navegar, calificar y proporcionar retroalimentación sobre los entornos de entrenamiento.
- Desarrollo de pipelines automatizados de calidad de entornos que validan la corrección y la calibración de la dificultad antes de que los entornos lleguen al entrenamiento de producción.
- Construcción de herramientas internas para navegar y analizar resultados de ejecuciones de entrenamiento, estadísticas de entornos y progreso de recopilación de datos.
El rango de compensación anual para este puesto se indica a continuación. Para los puestos de ventas, el rango proporcionado es el rango de "Ganancias Previstas" (OTE) del puesto, lo que significa que el rango incluye tanto las comisiones de ventas/bonos de ventas objetivo como el salario base anual para el puesto.
Salario Anual: $300,000—$405,000 USD
Política híbrida basada en la ubicación: Actualmente, esperamos que todo el personal esté en una de nuestras oficinas al menos el 25% del tiempo. Sin embargo, algunos puestos pueden requerir más tiempo en nuestras oficinas.
Patrocinio de visados: ¡Patrocinamos visados! Sin embargo, no podemos patrocinar visados para todos los puestos y todos los candidatos. Pero si te hacemos una oferta, haremos todo lo razonablemente posible para conseguirte un visado, y contamos con un abogado de inmigración para ayudar con esto.
Te animamos a que te postules incluso si no crees que cumples con todos los requisitos. No todos los candidatos fuertes cumplirán con todos los requisitos indicados. 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 presentes una solicitud si estás interesado/a en 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 reclutamiento 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 anthropic.com/careers directamente para ver las aperturas de puestos confirmadas.
¡VEN A TRABAJAR CON NOSOTROS!
Anthropic es una corporación de beneficio público con sede en San Francisco. Ofrecemos una compensación y beneficios competitivos, donación opcional de acciones emparejada, generosas vacaciones y permisos parentales, horarios de trabajo flexibles y un espacio de oficina encantador en el que colaborar con colegas. Guía sobre el Uso de IA por parte de los Candidatos: Conoce nuestra política anthropic.com/candidate-ai-guidance para usar IA en nuestro proceso de solicitud.
Más oportunidades con un solo perfil
¿Quieres optar a más puestos sin repetir todo el proceso? Crea tu perfil para que te encuentren las empresas que usan Nort.
Crear mi perfil