Machine Learning Engineer - Reinforcement Learning in Paris

La mission du AI Studio est de trouver le chemin le plus rapide vers une chaîne d'approvisionnement autonome. Nous développons des agents IA, des systèmes d'apprentissage, des modèles d'entraînement, et plus encore pour surmonter les plus grands défis restants dans la chaîne d'approvisionnement mondiale.

Nous recherchons un ingénieur ML ambitieux axé sur les LLM, les agents et l'apprentissage par renforcement pour aider à construire les systèmes d'entraînement, d'évaluation et d'outillage derrière des produits de décision IA robustes. Vous travaillerez sur le réglage fin des LLM, les environnements d'agents, la modélisation des récompenses, les évaluations, les pipelines de données et l'outillage de flux de travail IA. Le rôle est pratique : concevoir des expériences, expédier du code de production, améliorer le comportement des modèles et construire l'infrastructure qui nous permet d'apprendre rapidement à partir des retours automatisés et humains.

Vous aiderez à façonner comment nous utilisons les LLM à l'intérieur des systèmes agentiques, comment nous évaluons la performance des modèles et des agents, et comment nous transformons les retours en meilleures données d'entraînement et en meilleur comportement. Ce rôle nécessite une expérience obligatoire en formation RL avec des LLM, y compris la conception et l'itération sur les récompenses, la révision des traces LLM, l'identification du hacking de récompense ou du comportement de raccourci, et la compréhension de quand le signal de récompense, l'environnement ou le processus d'entraînement doit changer.

Responsabilités :

• Concevoir et mettre en œuvre des environnements d'agents alimentés par LLM pour la prise de décision dans la chaîne d'approvisionnement.
• Régler finement, adapter et évaluer les LLM pour un raisonnement et un soutien à la décision spécifiques au domaine.
• Concevoir, tester et itérer sur des fonctions de récompense qui capturent les comportements que nous souhaitons des agents LLM.
• Réviser les traces et les déploiements LLM pour comprendre le raisonnement du modèle, les modes de défaillance, le hacking de récompense et le comportement de raccourci.
• Identifier quand un LLM exploite la fonction de récompense, échappe au processus RL prévu, ou optimise pour des métriques proxy au lieu de l'objectif réel.
• Améliorer les modèles de récompense, la conception de l'environnement, les invites, les outils et les boucles de rétroaction basées sur le comportement observé du modèle.
• Construire des cadres d'évaluation pour mesurer la qualité du modèle, la performance de l'agent, la robustesse et les modes de défaillance.
• Créer des pipelines de données pour l'entraînement, le réglage fin, les données de préférence, la génération de données synthétiques et la collecte de retours humains.
• Développer des outils qui améliorent la manière dont l'équipe construit, teste, débogue et déploie des flux de travail assistés par IA.
• Expérimenter avec RL, RLHF, RLAIF, la mise en forme des récompenses, l'optimisation des politiques et les techniques d'entraînement des agents.
• Documenter ce qui fonctionne, ce qui échoue, et pourquoi, afin que nous puissions accumuler nos apprentissages au fil du temps.
• Rester proche de la frontière des LLM, des agents, des évaluations et de l'ingénierie IA appliquée.

Nous voulons vous parler si vous :

• Avez formé ou réglé des LLM.
• Êtes enthousiaste à propos des outils assistés par IA et souhaitez en tirer le meilleur parti.
• Construisez et personnalisez vos propres flux de travail IA.
• Avez de l'expérience avec des agents IA et des environnements RL en production.
• Êtes compétent en Python et PyTorch.
• Pouvez équilibrer l'exploration de la recherche avec l'expédition de code fonctionnel.
• Avez une expérience pratique avec des techniques RL (mise en forme des récompenses, optimisation des politiques, RLHF).
• Prospérez dans des environnements en évolution rapide où les priorités changent.
• Vous souciez de l'artisanat dans votre travail.
• Êtes curieux de savoir pourquoi les choses fonctionnent, pas seulement qu'elles fonctionnent.

Points bonus si :

• Vous avez de l'expérience avec des systèmes ML impliquant l'humain dans la boucle.
• Vous avez construit des cadres d'évaluation pour des tâches ouvertes.
• Vous êtes familier avec les domaines de la chaîne d'approvisionnement, de la logistique ou des opérations.
• Vous avez un projet personnel qui montre que vous ne pouvez pas vous empêcher de bricoler.

Nos valeurs :

Tous les candidats qualifiés recevront une considération pour l'emploi sans égard à la race, la couleur, la religion, le sexe, l'orientation sexuelle, l'identité de genre, l'origine nationale, le handicap ou le statut de vétéran protégé.

Une culture, pas juste une entreprise : Notre culture est fondée sur la collaboration, le respect et le plaisir chaque fois que cela est possible. Cela, associé à notre engagement à vivre nos valeurs fondamentales, nous permet d'apprendre, de grandir, de créer de la valeur pour les clients et de gérer le bien-être de notre écosystème collectif de partenaires, clients et associés. Nous nous levons chaque jour avec un engagement indéfectible envers l'apprentissage tout au long de la vie, la collaboration avec respect et l'intégrité.

Que faisons-nous ? Blue Yonder est l'entreprise IA pour la chaîne d'approvisionnement. En tant que leader mondial dans la transformation numérique de la chaîne d'approvisionnement de bout en bout, Blue Yonder propose une plateforme unifiée, pilotée par l'IA, et un réseau multi-niveaux qui permet aux entreprises d'opérer de manière durable, de croître de manière rentable et de ravir leurs clients—à la vitesse de la machine.