Research Engineer — Post-Training & RLHF（事後学習と人のフィードバックによる強化学習）

Research Engineer — Post-Training & RLHF（事後学習と人のフィードバックによる強化学習）

仕事概要

Highlanders は、ヒューマノイドロボットと、フィジカルAI（現実の世界で体を動かすAI）の基盤モデル、そしてその学習データを生み出すロボットの群れを、一つの流れとして開発しています。実機が現場で働くほどデータが集まり、モデルが賢くなり、ロボットがさらに働けるようになる。このデータの循環を、日本の工場の現場とサンフランシスコの両方から回しています。

基盤モデルを、人の評価やフィードバックを使ってロボットの実用に合わせて仕上げる工程を担っていただきます。

お任せしたいこと

• 追加学習・選好学習・RLHF の手法の実装
• 評価データ・フィードバックの集め方の設計
• 安全性と性能の両立のための調整

必須スキル

• 大規模モデルの事後学習（SFT、RLHF、DPO など）の実務経験

歓迎スキル

• ロボットや行動モデルへの応用経験

求める人物像

• モデルの振る舞いを丁寧に観察し、改善を積み重ねられる方

応募概要

給与

ご経験・スキルを考慮のうえ、面談にてご提示します。

勤務地

San Francisco, CA（米国）または所沢開発拠点（埼玉県所沢市）
※どちらの拠点での勤務も可能です。ご希望をお聞かせください。

雇用形態

正社員（業務委託・副業での参画もご相談可）

勤務体系

勤務時間：9:00〜18:00
休日・休暇：完全週休二日制

試用期間

6か月

福利厚生

• 社会保険完備（健康保険、厚生年金保険、雇用保険、労災保険）
• 英会話手当
• 引越し手当