Senior RL-Engineer (AI)

TL;DR

Senior RL-Engineer (AI): Разработка и оптимизация алгоритмов обучения VLM/LLM-моделей с акцентом на RLHF, PPO и GRPO. Фокус на проектировании reward-функций, масштабировании пайплайнов обучения и обеспечении высокого качества reasoning-способностей моделей.

Локация: Москва (офис или гибрид)

Компания

Крупнейший банк с масштабным DS&AI-сообществом, занимающийся разработкой передовых генеративных моделей.

Что делать

• Разрабатывать и улучшать RL-подходы для обучения VLM/LLM-моделей.
• Проектировать reward-функции и пайплайны обучения для различных доменов.
• Участвовать в построении пайплайнов сбора и подготовки данных для RL.
• Развивать систему оценки качества моделей и внедрять новые метрики.
• Обеспечивать согласованность решений между Pretrain, SFT и продакшн-пайплайнами.
• Дебажить эксперименты и оптимизировать инфраструктуру для RL.

Требования

• Глубокое понимание RL для LLM/VLM (RLHF, GRPO, PPO) и практический опыт.
• Понимание полного цикла обучения VLM/LLM (pretrain → SFT → RL).
• Опыт работы с распределённым обучением (DeepSpeed, FSDP) и inference-фреймворками.
• Сильный практический опыт постановки и анализа RL-экспериментов.
• Системное мышление и способность работать в условиях неопределённости.

Хорошо, если есть

• Опыт менторинга или технического лидерства.
• Публикации или open-source вклад в области RL/LLM/VLM.
• Опыт вывода RL-обученных моделей в продакшн.

Культура и преимущества

• Крупнейшее DS&AI-сообщество (более 600 специалистов).
• Возможность участия в НИР и публикациях для международных конференций.
• Гибкий формат работы (офис или гибрид).
• Расширенный ДМС, корпоративная пенсионная программа и льготная ипотека.
• Доступ к более чем 400 образовательным программам СберУниверситета.

Процесс найма

• Первичное интервью с AI-рекрутером (ГигаРекрутер) в Telegram (около 10 минут).