СБЕР

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

Мы развиваем GigaChat и ищем сильного руководителя направления online RL в домене STEM (математика, естественные науки, инженерные и технические дисциплины). Это роль для человека, который умеет одновременно развивать методы обучения модел…

СБЕР

↑ Вакансия с автоподнятием
Зарплата не указанаРоссияМосква

Мы развиваем GigaChat и ищем сильного руководителя направления online RL в домене STEM (математика, естественные науки, инженерные и технические дисциплины). Это роль для человека, который умеет одновременно развивать методы обучения моделей, глубоко разбираться в предметной области и выстраивать процессы сбора и подготовки данных.

Нам нужен не просто менеджер, а сильный технический руководитель, который способен глубоко погружаться в детали, самостоятельно собирать ключевые части решения и доводить идеи до реального роста качества модели.

  • Развивать направление online RL для STEM-задач

  • Определять, как должно развиваться направление online RL в STEM-домене: какие задачи для нас наиболее важны, как измерять прогресс и что в первую очередь ограничивает рост качества модели.

  • Вести направление целиком: от постановки гипотез и плана работ до внедрения результатов в регулярный цикл обучения модели.

  • Принимать решения о приоритетах между развитием методов, сбором данных, инфраструктурой и системой оценки качества.

  • Разрабатывать и улучшать методы обучения

  • Развивать подходы post-training и online RL для задач по математике, физике, химии, биологии и другим STEM-дисциплинам.

  • Продумывать и внедрять способы оценки качества, которые помогают модели лучше решать реальные задачи: строить цепочки рассуждений, находить верные ответы, корректно применять формулы и методы, работать с многошаговыми задачами.

  • Определять, в каких случаях online RL действительно даёт прирост качества по сравнению с supervised fine-tuning и другими подходами, а в каких — нет.

  • Проводить эксперименты и разбирать результаты не только на уровне метрик, но и на уровне причин: почему модель стала лучше или хуже, насколько устойчив результат и можно ли его перенести на другие типы задач.

  • Писать ключевой код и развивать инфраструктуру

  • Самостоятельно писать и дорабатывать критичные части пайплайнов online RL.

  • Делать надёжные и воспроизводимые эксперименты: с понятными версиями данных, конфигами, сравнением запусков и контролем деградаций.

  • Выстраивать связку между моделью, верификаторами, reward-сигналами и обучающими пайплайнами так, чтобы новые идеи можно было быстро проверять и быстро доводить до практического результата.

  • Оставаться сильным инженером и исследователем, а не только руководителем: при необходимости самому разбирать узкие места в коде, экспериментах и качестве данных.

  • Строить контур данных для обучения

  • Организовывать сбор и подготовку данных для online RL в STEM-домене: задачи разной сложности, эталонные решения, формальные и автоматические верификаторы, синтетические и реальные сценарии.

  • Формировать качественные обучающие выборки с хорошим покрытием по дисциплинам, уровням сложности (от школьных до олимпиадных и университетских задач), типам рассуждений и типовым ошибкам модели.

  • Встраивать в пайплайны проверки качества: символьную и численную верификацию ответов, проверку промежуточных шагов рассуждений, контроль утечек, удаление дублей, балансировку по сложности и предметным областям.

  • Делать так, чтобы каждый цикл обучения улучшал не только модель, но и сам процесс: появлялись новые данные, новые сложные примеры, более точные критерии качества и лучшее понимание слабых мест модели.

  • Руководить сильной технической командой

  • Руководить командой исследователей и инженеров, задавать высокую планку по качеству решений, скорости работы и глубине проработки.

  • Помогать команде превращать исследовательские идеи в работающие решения, которые можно встроить в основной цикл обучения.

  • Удерживать баланс между глубиной исследований, инженерной надёжностью и практическим результатом для модели.

  • Отличное владение Python и PyTorch.

  • Практический опыт в LLM post-training: RLHF, online RL или смежных направлениях.

  • Понимание специфики STEM-домена: формальная верификация ответов, chain-of-thought reasoning, работа с математической нотацией, многошаговые решения, типовые ошибки моделей в рассуждениях.

  • Умение ставить гипотезы, проектировать эксперименты и принимать решения на основе результатов.

  • Опыт руководства сильной технической командой.

  • Готовность лично писать важные части системы руками.

Будет плюсом

  • Сильный математический или естественнонаучный бэкграунд (профильное образование, олимпиадный опыт, публикации).

  • Опыт построения верификаторов и reward-моделей для задач STEM.

  • Опыт построения пайплайнов данных, а не только работы с уже готовыми датасетами.

  • Опыт работы с distributed training или large-scale inference.

  • Опыт разработки систем оценки качества для LLM (бенчмарки, LLM-as-a-judge, process reward models).

  • Опыт работы с synthetic data generation, curriculum learning, active data collection.

  • Понимание современных open-source стеков для обучения и инференса больших языковых моделей.

  • Публикации, open-source вклад или сильный прикладной research track record.

  • Сильные и сложные задачи на переднем крае развития русскоязычных LLM.

  • Большую степень влияния на архитектуру решений, методы обучения и качество итоговой модели.

  • Команду сильных инженеров и исследователей.

  • Возможность совмещать управление направлением с глубокой технической работой.

  • Конкурентную компенсацию, премии и расширенный соцпакет.

Похожие вакансии Data Science & ML

Соц.сети

Senior Data Scientist

Зарплата не указанаРоссияУдалёнка

📑 Вакансия Senior Data Scientist

Удаленно (РФ)

💎 •••••••• ищет Data Scientist. Задачи: анализ бизнес‐контекста, данных и инфраструктуры, поиск уязвимых мест и точек роста в бизнес‐процессах, тестирование ML‐подходов (классификация, кластеризация, uplift, ранжирование, нейросети), сравнение экспериментальных моделей с текущим решением, валидация моделей по офлайн‐метрикам, запуск лучшего решения в продакшн.

🧩 Требования: от 3 лет опыта в DS, опыт вывода моделей в прод, уверенный Python и продвинутый SQL, опыт в классическом ML (бустинги, регрессия, ранжирование, классификация), знание статистики, A/B‐тестов и основ оптимизации, умение презентовать сложные решения бизнесу, проактивность в поиске точек роста и новых идей. Будет плюсом: PySpark, техническое образование в топ‐10 вузе.

🌐 ••••••••

🔮 •••••••• — бесплатно постим IT-вакансии

hh.ru
вкусно — и точка

Data Scientist (Рекомендательные системы)

вкусно — и точкаАвтоподнятие
Зарплата не указанаРоссияМоскваГибрид

Основные задачи:

  • Разработка моделей для рекомендательных систем CVM

  • Рекомендация персональных предложений в мобильном приложении, рекомендации докупа в корзине, рекомендации в карточке товара

Наши пожелания:

  • Высшее образование
  • Навыки построения авторегрессионных моделей (семейство ARIMA, экспоненциальное сглаживание, Prophet и тд) и деревянных моделей (случайный лес, бустинги) в задачах прогнозирования
  • Высокий уровень Python, средний уровень SQL
  • Знание и опыт использования как классических рекомендательных алгоритмов (матричная факторизация), так и более продвинутых (бустинги, нейронные сети)
  • Умение работать с очисткой от выбросов, сглаживания временного ряда
  • Приветствуется опыт работы с нейронными сетями в задачах прогнозирования

Мы предлагаем:

  • Работу в компании с мировыми стандартами и легендарной историей
  • Оформление в ИТ аккредитованную компанию
  • Интересные задачи и профессиональное развитие
  • Конкурентоспособный социальный пакет
  • Гибридный формат работы

hh.ru
рнпк

DS\ML Инженер

рнпк
Зарплата не указанаРоссияМоскваГибрид
Обязанности:
  • Разработка и внедрение ML-моделей и пайплайнов для решения бизнес-задач (классификация документов, извлечение сущностей, поиск аномалий, RAG-системы).

  • Предобработка, очистка и анализ витрин данных из корпоративного хранилища данных (КХД) для обучения и использования моделей.

  • Интеграция ML-моделей и LLM (в т.ч. через API) в производственные системы и RPA-процессы.

  • Настройка и поддержка векторных баз данных и механизмов эмбеддинга для AI-агентов.

  • Мониторинг качества работы моделей в промышленной эксплуатации (контроль дрейфа данных, точности ответов).

Требования:

  • Высшее техническое (прикладная математика, компьютерные науки, анализ данных).
  • Уверенное знание Python и основных библиотек для работы с данными и ML.

  • Продвинутый уровень SQL и понимание принципов реляционных баз данных.

  • Понимание архитектуры современных LLM и практический опыт построения RAG-систем (работа с LangChain, LlamaIndex или аналогами).

  • Опыт создания и документирования REST API (например, на FastAPI или Flask) для развертывания моделей.

  • Опыт работы с векторными базами данных.

  • Практический опыт работы с российскими LLM или open-source моделями.

  • Знакомство с основами MLOps: Docker, базовые принципы CI/CD для ML, MLflow или аналоги.

  • Опыт работы с неструктурированными данными (текст, PDF, изображения) и OCR-технологиями.

  • Аналитический склад ума и здоровое любопытство к новым технологиям.

  • Умение работать в условиях неопределенности (когда данные "грязные", а требования размыты).

  • Способность объяснять ограничения и вероятностную природу ИИ не техническим специалистам.

Условия:
  • Прием на работу по трудовому договору;
  • Размер заработной платы по результатам собеседования;
  • Ежеквартальная и годовая премия;
  • ДМС (работник+члены семьи), страховка от НС и критических заболеваний;
  • Корпоративная мобильная связь;
  • График 5/2 (гибрид);
  • Собственный спортивный зал на территории.

HireSeeker собирает вакансии со всех площадок и присылает только релевантные. Бесплатно.