abstrx.ai在筹象abstrx.ai工作是什么样的
我们做什么
筹象壹数的核心业务是为全球头部大模型实验室生产高质量、贴近真实工作的软件工程任务，用于强化学习（RL，Reinforcement Learning）训练和模型能力评测。
你可以把一个任务理解为给编程智能体（coding agent）出的一道题。它包含：
- 一个既定的场景；
- 一段告诉模型要做什么的提示词（prompt）。我们给模型不设限的时间，让它在这个场景中实现一个复杂方案；
- 一套针对这个任务的评分细则（rubric）。
前沿实验室（如Anthropic、OpenAI）用这类数据来直接训练模型或衡量模型的能力。
每天的工作日常
在这里，强化学习环境工程师（RL Env Engineer）和传统开发的日常差别很大。我们极少亲自手写代码，大部分时间我们更像是AI的产品经理或架构师，给编程智能体下指令，让它们替我们实现功能、写测试，我们则负责分析它们留下的运行轨迹。
整个流程里，最烧脑也最花时间的是保证产出的质量：想出一个点子，并写出第一版评分细则不难；但把评分细则反复打磨到稳定、公平、可复现的过程，非常考验工程师对编程与AI能力边界的认知，这也是整个工作中最硬核的部分。
什么样的人适合这份工作
- 极强的学习能力：前沿技术日新月异，能快速对不同模型的能力边界建立直觉。
- 顶尖的阅读理解与逻辑能力：能在复杂的代码和信息中抽丝剥茧。
- 拥抱变化与迭代：不断优化任务本身，也愿意持续迭代自己。
- 英文流利：顺畅对接全球最前沿的英文技术语境。
- 务实靠谱：愿意脚踏实地解决问题。
长期发展
入职初期，你的主要职责是熟悉产出流程并快速掌握自主产出的能力；在积累了一定经验后，我们期待团队成员积极地参与到跨任务、跨环境的基础设施优化中。在可见的未来中，所有成员仍会持续产出任务，以保持对大模型最敏锐的理解。
我们预计随着模型的进化，我们的工作形态也会发生很多有意思的演变：任务会复杂到需要多人协作，生产流程本身也会越来越多地被AI自动化。创立初期我们专注软件工程，但很快会拓展到更广阔的领域。早期加入的你将直接参与定义这些新领域的规则。
我们深知加入创业公司是一场充满未知的冒险，但我们坚信数据是AI未来发展的基石，所以决定全情投入这场变革之中。如果你也相信，我们期待与你长期同行，共同探索数据与AI的边界。
团队与工作环境
筹象壹数由四位认识10年以上的95后创始人创立。创始团队来自Surge AI、Meta、亚马逊等硅谷科技公司，毕业于芝加哥大学、哥伦比亚大学等院校。团队建立在上海，主要为线下办公。
我们会共同探讨并拓展对前沿模型的认知，但在具体执行上，每个人都要端到端地负责自己的任务闭环。你将享有高度的工作自主权，这也意味着每个人都需要对最终的产出结果负责。
我们知道这个岗位非常新颖，所以入职时会为每位新成员提供完善的培训流程。