We extract RL environments from our dataset of months-long screencasts, but this captures only part of its signal: it is limited to tasks with verifiable outcomes.
Learning off-policy directly from the recordings can use far more of that signal, but people work on hundreds of things at the same time, which makes it hard. You will design novel training regimes that tackle these challenges, build evals for failure modes, run experiments, and publish the results.
Come up with off-policy methods for learning from months-long human screencasts
Prototype and evaluate them, including approaches that transform or rewrite the data
Build evals for failure modes
Show that these methods extract more signal than RL environments do
Love being at the frontier of machine learning research
Think carefully about what signal a dataset contains and how to extract it
Can navigate vast search spaces and take a contrarian research direction from 0 to 1
#J-18808-Ljbffr
Member of Technical Staff, Off-policy learning in München Arbeitgeber: Pdoom
Als Mitglied des technischen Teams in unserem innovativen Unternehmen bieten wir Ihnen die Möglichkeit, an spannenden Projekten zu arbeiten, die sich mit der Entwicklung von Architekturen für langfristige Computer-Nutzungs-Trajektorien befassen. Unsere Unternehmenskultur fördert Kreativität und Zusammenarbeit, während wir gleichzeitig umfangreiche Weiterbildungsmöglichkeiten und Karriereentwicklung bieten. Genießen Sie die Vorteile eines dynamischen Arbeitsumfelds, das auf Wachstum und technologische Exzellenz ausgerichtet ist.
