Руководитель направления Online RL (STEM) / Post-Training LLM в команду GigaChat

Локация: гибридный формат или офис

Зарплата: 500 000–1 000 000 ₽ в месяц на руки

Компания

Развитие GigaChat и инфраструктуры обучения больших языковых моделей в команде Сбера.

Что делать

• Разрабатывать и улучшать методы online-RL и post-training для LLM.
• Проектировать, запускать и анализировать ML-эксперименты от гипотезы до вывода о качестве и масштабируемости результата.
• Строить пайплайны online-RL: от генерации rollout’ов и сбора reward-сигналов до обновления весов модели.
• Развивать инфраструктуру обучения, оптимизировать throughput и использование GPU с применением distributed training и профилирования.
• Обеспечивать воспроизводимость экспериментов, версионирование данных, конфигураций и чекпойнтов, а также контроль деградаций.
• Взаимодействовать с исследователями, командами данных и инфраструктуры, брать ответственность за компоненты системы от идеи до выхода в продакшен.

Требования

• Отличное владение Python и PyTorch.
• Практический опыт в LLM post-training, RLHF, online-RL, DPO или смежных направлениях.
• Опыт проведения ML-экспериментов от постановки гипотезы до реализации, анализа и выводов.
• Понимание distributed training, включая Data Parallel, FSDP, DeepSpeed или аналоги.
• Умение писать чистый, надёжный и production-ready код.
• Способность самостоятельно разбираться в сложных системах и устранять узкие места.

Хорошо, если есть

• Опыт работы с reward-моделями, process-reward-моделями и LLM-as-a-judge.
• Опыт создания execution-сред, sandbox’ов и верификаторов для code- или STEM-задач.
• Опыт large-scale inference и оптимизации генерации с vLLM или SGLang.
• Знание современных open-source стеков для обучения LLM: verl, Megatron, TRL и других.
• Публикации, вклад в open source или сильный прикладной track record.

Культура и преимущества

• Возможность выбрать гибридный формат работы или офис.
• Ежегодный пересмотр зарплаты и годовая премия.
• Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа.
• Более 400 образовательных программ СберУниверситета.
• Корпоративный спортзал, зоны отдыха, льготная ипотека и другие программы для сотрудников.