Senior RL Engineer (AI)

TL;DR

Senior RL Engineer (AI): Разработка и оптимизация RL-подходов для обучения VLM/LLM-моделей с акцентом на проектирование reward-функций и масштабирование пайплайнов обучения. Фокус на внедрении современных алгоритмов (RLHF, GRPO, PPO), улучшении reasoning-качества и переносе исследовательских решений в продакшн.

Локация: Москва (офис или гибрид)

Зарплата: от 500 000 ₽/мес (до налогов)

Компания

Sber (GigaChat Vision) — команда, занимающаяся полным циклом обучения VLM-моделей в рамках крупнейшего DS&AI сообщества банка.

Что делать

• Разрабатывать и улучшать RL-подходы для VLM/LLM, включая выбор алгоритмов и анализ экспериментов.
• Проектировать reward-функции и пайплайны обучения, влияя на итоговые метрики качества.
• Формировать требования к данным, участвуя в сборе, фильтрации и подготовке датасетов.
• Развивать систему оценки reasoning-качества и внедрять новые метрики в eval-фреймворк.
• Обеспечивать согласованность решений с командами Pretrain, SFT и Infra для переноса экспериментов в продакшн.
• Исследовать актуальные научные статьи и реализовывать их в виде инженерных решений.

Требования

• Глубокое понимание и практический опыт применения RL для LLM/VLM (RLHF, GRPO, PPO).
• Понимание полного цикла обучения VLM/LLM: pretrain → SFT → RL.
• Опыт работы с распределённым обучением (DeepSpeed, FSDP) и inference-фреймворками.
• Сильный опыт постановки, проведения и глубокого анализа RL-экспериментов.
• Способность самостоятельно двигать сложные технические задачи в условиях неопределённости.
• Системное мышление: от дизайна reward-функций до продакшн-метрик.

Хорошо, если есть

• Опыт менторства или технического лидерства в проектах.
• Публикации или вклад в open-source в области RL/LLM/VLM.
• Опыт вывода RL-обученных моделей в продакшн и контроля их качества.

Культура и преимущества

• Доступ к сообществу из более чем 600 DS-специалистов и дайджестам мировых конференций.
• Возможность быть соавтором научных статей и НИРов для международных конференций.
• Выбор удобного формата работы: гибрид или офис.
• Ежегодный пересмотр зарплаты и годовая премия.
• Расширенный ДМС, льготная ипотека (до 7%) и корпоративная пенсионная программа.
• Доступ к 400+ образовательным программам СберУниверситета.

Процесс найма

• Первичный этап: интервью с AI-рекрутером (ГигаРекрутер) в Telegram (около 10 минут).
• Последующие этапы согласовываются индивидуально.