ml инженер для GigaChat

Команда развивает GigaChat и направления online RL, доводя исследовательские идеи до работающих решений, надёжных пайплайнов обучения и повышения качества модели.

• Разрабатывать и улучшать методы online RL;
• Реализовывать и дорабатывать подходы post-training и online RL;
• Проектировать и проводить эксперименты, формулировать гипотезы, подбирать конфигурации и анализировать результаты;
• Определять причины улучшения или ухудшения модели, устойчивость результатов и возможность масштабирования на другие домены и типы задач;
• Следить за state-of-the-art, читать статьи, воспроизводить результаты и адаптировать подходы под задачи и инфраструктуру;
• Строить и развивать инфраструктуру обучения;
• Разрабатывать и поддерживать пайплайны online RL от генерации rollout'ов и сбора reward-сигналов до обновления весов модели;
• Обеспечивать воспроизводимость экспериментов с помощью версионирования данных, конфигураций и чекпоинтов, а также контроля деградаций;
• Оптимизировать throughput и эффективность использования GPU с помощью distributed training, параллелизма и профилирования узких мест;
• Выстраивать связку между моделью, средами исполнения, верификаторами и reward-моделями для быстрой проверки новых идей;
• Работать с данными и системой оценки качества;
• Участвовать в проектировании и реализации reward-сигналов, включая rule-based верификаторы, reward-модели, LLM-as-a-judge и execution-based проверки;
• Строить и улучшать пайплайны подготовки данных: фильтрацию, дедупликацию, балансировку и контроль утечек;
• Анализировать ошибки модели, выявлять систематические слабые места и формировать целевые обучающие выборки для их устранения;
• Взаимодействовать с исследователями, инженерами, командами данных и инфраструктуры;
• Нести ответственность за целые части системы от идеи до результата в продакшене;
• Делиться знаниями, участвовать в код-ревью и помогать повышать общий уровень качества.

• Отлично владеть Python и PyTorch;
• Иметь практический опыт в LLM post-training: RLHF, online RL, DPO или смежных направлениях;
• Иметь опыт проведения ML-экспериментов от постановки гипотезы до анализа и выводов;
• Понимать distributed training: Data Parallel, FSDP, DeepSpeed или аналоги;
• Уметь писать чистый, надёжный код для продакшена;
• Уметь разбираться в сложных системах и самостоятельно находить и устранять узкие места.

• Возможность выбрать гибридный или офисный формат работы;
• Ежегодный пересмотр зарплаты;
• Годовая премия;
• Корпоративный спортзал и зоны отдыха;
• Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития;
• Расширенный ДМС;
• Льготное страхование для семьи;
• Корпоративная пенсионная программа;
• Ипотека выгоднее до 7% для каждого сотрудника;
• Бесплатная подписка СберПрайм+;
• Скидки на продукты компаний-партнёров;
• Вознаграждение за рекомендацию друзей в команду Сбера.