Lead AI Engineer (Online RL / Post-Training LLM)

TL;DR

Lead AI Engineer (Online RL / Post-Training LLM): Разработка и оптимизация методов обучения LLM с акцентом на Online RL и post-training для улучшения качества ответов GigaChat. Фокус на построении пайплайнов данных, обучении reward-моделей и руководстве технической командой для достижения высокого уровня следования инструкциям.

Локация: Удалённо (только из РФ)

Зарплата: 650 000 — 850 000 ₽/мес

Компания

Сбер — крупнейший банк в России и один из ведущих международных финансовых институтов, активно развивающий передовые технологии в области искусственного интеллекта.

Что делать

• Определять стратегию развития направления Online RL для general-сценариев.
• Разрабатывать и улучшать методы post-training и обучения reward-моделей.
• Самостоятельно писать ключевой код пайплайнов обучения и инфраструктуры экспериментов.
• Организовывать сбор и подготовку качественных данных для обучения моделей.
• Руководить командой исследователей и инженеров, задавая высокие стандарты качества.
• Трансформировать абстрактные требования к качеству модели в измеримые метрики и эксперименты.

Требования

• Отличное владение Python и PyTorch.
• Практический опыт в LLM post-training (RLHF, online RL).
• Опыт руководства сильной технической командой.
• Готовность лично писать важные части системы.
• Опыт построения пайплайнов данных.
• Умение проектировать эксперименты и принимать решения на основе данных.

Хорошо, если есть

• Опыт обучения reward-моделей или judge-моделей.
• Опыт работы с human feedback и quality annotation pipelines.
• Опыт работы с distributed training или large-scale inference.
• Публикации или вклад в open-source проекты.

Культура и преимущества

• Работа над передовыми русскоязычными LLM.
• Высокая степень влияния на архитектуру и методы обучения.
• Конкурентная компенсация, годовой бонус и расширенный соцпакет.
• Возможность совмещать управление с глубокой технической работой.