Meta的FAIR团队正在招聘一名博士后研究员！ 我们专注于推理、对齐和记忆/架构（RAM）等主题。 申请链接： 地点：纽约、西雅图或门洛帕克。 以下是我们最近的一些工作，以供参考： 共同改进（职位）： SPICE（语料环境中的自我游戏）： 自我挑战代理： 来自人类互动的强化学习： AggLM（并行聚合）： StepWiser（CoT-PRM强化学习）： DARLING（多样性训练的强化学习）： J1（强化学习训练的LLM作为评判者）： CoT-自我指导： 多标记注意力：