Ml, Jax, Pytorch, Python, DPO, large language models, distributed training, synthetic data generation, RLAIF, Ai, SFT, RLHF, reward modeling, preference data curation, ppo

S3, Nestjs, Typescript, Kafka, Redis, Node.js, FastAPI, Python, PostgreSQL, ClickHouse, OpenAI, Google, MinIO, LangChain, Vue 3, Anthropic, Qdrant

Github, Python, Aws