VLA Pre-training Engineer - Deep Learning (Python)

humanoid На сервисе с: 03.10.26 16:32

↑ Вакансия с автоподнятием

Зарплата не указанаВеликобританияLondon

Here at Humanoid, we believe in a future where robots amplify human potential. That’s why we’ve set out on a mission to build the world’s most capable, commercially-scalable, and safe humanoid robots. We’re bringing that mission to life with HMND‑01 - our rapidly developed humanoid platform being deployed in real industrial environments - and we’re growing the team to take it even further.

About the Role

We're hiring a VLA Pre-training Engineer to join our Autonomy team based in London. In this role you will you will work on all aspects of training capable policies, be it pre-training of a base model on a diverse multi-embodiment corpus of trajectories, fine-tuning a policy to perform a specific task well, curating data collection processes or exploring productive ways to generate and use synthetic data. This is primarily a deep learning-focused role, so we are looking for experience solving real problems using modern neural networks, while experience in robotics isn’t strictly required. However if you don’t have such experience, be prepared that you’d need to familiarize yourself with a new domain quickly.

What You'll Do

Post-train policies via behaviour cloning and RL; own the full loop from data to deployment.
Partner with the Data Collection team to drive collecting new data: specify what good data looks like, identify failure modes, ensure diversity and coverage.
Work closely with external partners to ensure steady supply of high-quality pretraining-scale data.
Run pre-/mid-/post-training on VLA stack; explore new modalities and architecture changes.
Build and maintain continuous pipelines: ingest synthetic data and teleop logs, version them, apply weak‑supervision labelling, curate balanced datasets, and auto‑surface fresh failure cases into retraining.
Work with MLOps & Data Platform teams to scale distributed training and optimize models for real‑time edge inference.

What We're Looking For

3+ years building deep‑learning systems (industry or research) with shipped models or published artifacts to show for it.
Deep hands‑on experience with at least one of: LLMs, VLMs, or image/video generative models — architecture, training, and inference.
Experience with deep learning infrastructure: streaming datasets, checkpointing & state management, distributed training strategies.
Strong Python + PyTorch/JAX; you can profile, debug numerics, and write maintainable research code.
Familiarity with modern software engineering practices.
You document experiments clearly and communicate trade‑offs crisply.

Nice to have

Robotics or autonomous driving experience.
Experience applying RL to LLMs or robotics.
Experience with VLA (vision-language-action) models.
Proven productization of deep nets (latency/throughput constraints, telemetry, on‑device optimization).
Publications at top-tier deep learning conferences or equivalent open‑source contributions.
Familiarity with OpenVLA, Physical Intelligence (π) models, or similar open source VLA frameworks.

What We Offer

Competitive equity: stock options with meaningful upside as we scale.
30+ paid days off, including 23 days of annual leave, all UK bank holidays, and additional company closure days (including Christmas–New Year shutdown).
Private healthcare, including virtual and in-person care.
Pension scheme with 8% total contribution (5% employee, 3% employer) on full earnings.
Free daily breakfast, catered lunch, and snacks in-office.
Work at the frontier - collaborate daily with world-class engineers, researchers, and product experts building the next generation of AI and humanoid robotics.
Real ownership - direct access to founding leadership, meaningful input on product direction, and the ability to drive key initiatives from day one.

Открыть на сайте компании

Статьи для Data Science & ML

Похожие вакансии Data Science & ML

hh.ru

DS/ AI Lead (технический директор)

СБЕРНа сервисе с: 06.10.26 12:05

Зарплата не указанаРоссияМоскваОфис

В Дирекцию реализации и популяризации AI-инициатив Департамента развития искусственного интеллекта и машинного обучения (Сбер AI) Сбера требуется DS/AI Lead для реализации AI/GenAI-проектов в сегменте B2G. Нашей дружной командой мы помогаем государству проводить disrupt госуправления через внедрение AI/GenAI и ускорять национальное развитие AI/GenAI, организуем одно из крупнейших в мире профильных мероприятий – AI Journey, объединяем бизнес, государство и международное научное сообщество, чтобы обеспечить GenAI-трансформацию страны.

Обязанности

лидирование прототипирования в домене NLP
разработка и валидация ML-моделей, создание и внедрение AI/GenAI решений для B2G
проектирование архитектуры AI/GenAI и ML-моделей под бизнес-задачи
формализация бизнес-задач в ML-постановки, выбор метрик качества и критериев успеха
контроль сроков и планов выполнения пилотов и разработки прототипов
Проектирование, разработка, контроль качества фичей, в частности - мультиагентных систем на базе LLM для решения сложных задач
проектирование и разработка систем RAG
R&D в области NLP: эксперименты с новейшими архитектурами, reasoning-моделями, fine-tuning моделей под специфические задачи
оптимизация inference для работы с высокими нагрузками
сбор, анализ и подготовка данных (EDA), формирование признаков (feature engineering)
проведение экспериментов, сравнение подходов, интерпретация результатов, подготовка рекомендаций для заказчика
анализ данных, feature engineering, A/B тестирование
участие во внедрении моделей в прод: совместная работа с инженерами, подготовка артефактов (спецификации, требования к данным/сервису)
подготовка технической документации и презентаций результатов
взаимодействие с бизнес-заказчиками и техническими командами

Требования

умение решать ad-hoc задачи вне стандартных подходов к разработке продукта
высшее техническое/математическое/экономическое образование
опыт production-разработки ML-систем от 5 лет
глубокое понимание современных LLM архитектур (Transformers, attention mechanisms)
практический опыт с RAG: vector databases, embedding models, retrieval strategies
опыт работы с распределенными вычислениями (PyTorch Distributed, DeepSpeed)
Python на уровне написания эффективного production кода
опыт управления командой разработки, использующей в т.ч. системы автоматического написания кода (Codex и др.)
понимание полного жизненного цикла ML-модели, знание основных подходов к оценке качества моделей, работе с дисбалансом, переобучением, интерпретируемостью
владение английским на уровне Upper Intermediate и выше
опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов.

Будет плюсом

опыт работы с information retrieval системами
опыт построения мультиагентных систем (LangChain, AutoGen, CrewAI)
опыт fine-tuning больших языковых моделей
знание современных подходов к prompt engineering и chain-of-thought reasoning.

Условия

комфортный современный офис рядом с м. Кутузовская
гибридный формат работы
ежегодный пересмотр зарплаты и годовая премия
корпоративный спортзал и зоны отдыха
более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
расширенный ДМС, льготное страхование для семьи
ипотека для сотрудников выгоднее до 1/3 от текущей ставки
подписка Прайм с возможностью совместного использования на трёх близких.

Открыть на hh.ru

hh.ru

ML-инженер

цемросНа сервисе с: 06.10.26 12:05

Зарплата не указанаРоссияМоскваГибрид

Чем предстоит заниматься:

Интегрировать LLM, RAG-компоненты и агентов в единую систему;
Настраивать профили агентов и разрабатывать промпты под конкретные бизнес-сценарии;
Внедрять метрики качества для RAG-пайплайнов и LLM: A/B-тестирование, сбор данных для аннотации, мониторинг поиска и ответов;
Разворачивать сервисы в изолированных Docker-контейнерах;
Документировать архитектуру системы и отдельных сервисов.

Что мы ждем от кандидатов:

Коммерческий опыт работы с LLM и RAG-системами от 2 лет;
Python, FastAPI, Pydantic;
Векторные БД (желательно Qdrant: индексация, фильтрация, поиск);
Docker: деплой и контейнеризация сервисов;
Будет плюсом: Знание SQL;
Опыт работы с агентами;
Понимание архитектур LLM и методов Prompt Engineering;
Навыки анализа экспериментов и интерпретации метрик моделей;
Знание методов обработки естественного языка (NLP) и их применения в различных задачах;
Умение анализировать данные и результаты экспериментов для принятия обоснованных решений;
Способность интерпретировать метрики производительности моделей и проводить их оценку;
Способность четко и эффективно общаться как с техническими, так и с нетехническими специалистами;
Умение представлять результаты работы и объяснять сложные концепции простым языком;
Навыки планирования сроков выполнения задач и управления рисками.

Что мы предлагаем:

Привлекательная заработная плата;
Сильная и дружная команда профессионалов, готовых делиться опытом;
Демократичное общение с руководителями, которые поощряют твою инициативу;
Насыщенная корпоративная жизнь;
ДМС широкого спектра со стоматологией после испытательного срока;
Возможность выбрать начало дня с 8/9/10 утра;
Комфортабельный офис класса А на территории которого находятся фитнес-клуб/аптеки/магазины/столовые/кафе/парковые зоны.
ЛОКАЦИЯ И ТРАНСПОРТНАЯ ДОСТУПНОСТЬ:
Офис м. Славянский бульвар/ БКЛ Давыдково БЦ "Верейская Плаза 4";
От м.Славянский бульвар доставка корпоративным транспортом – 10 минут;
От БКЛ Давыдково общественным транспортом - 10 минут.

Открыть на hh.ru

Соц.сети

ML Engineer / LLM Engineer

Неизвестный работодательНа сервисе с: 06.10.26 11:27

Зарплата не указанаНе указана странаЛокация не указана

ML Engineer / LLM Engineer

Ищем ML-инженера с сильным практическим опытом работы с LLM: fine-tuning, post-training, evaluation и inference.

Важно: это не позиция классического ML Engineer / Data Scientist. Нужен кандидат, который самостоятельно обучал и адаптировал LLM и понимает полный цикл — от данных и обучения до evaluation и deployment.

Задачи:

- Разработка и улучшение пайплайна LLM post-training: SFT, preference optimization, Offline / Online RL;
- Улучшение instruction following и построение системы benchmarking / evaluation;
- Обучение LoRA / QLoRA-адаптеров под различные домены и задачи;
- Работа с reward models / verifiers и reward functions для RL;
- Разработка RAG-систем: retrieval, reranking, context construction и evaluation;
- Обучение и интеграция tool use / function calling / structured outputs;
- Оптимизация inference и serving моделей с использованием vLLM / SGLang;

Обязательные требования:

- Практический опыт fine-tuning / post-training LLM;
- Опыт с SFT и preference optimization: DPO / IPO / ORPO / SimPO или аналогами;
- Опыт или хорошее практическое понимание Online RL для LLM: GRPO / GSPO или аналогичных методов;
- Понимание reward models, preference data и LLM evaluation;
- Уверенное владение Python, PyTorch, Hugging Face Transformers;
- Опыт с TRL и/или verl;
- Опыт с LoRA / QLoRA / PEFT;
- Опыт inference / serving через vLLM и/или SGLang;
- Опыт разработки RAG, tool use или structured generation;
- Понимание архитектуры современных LLM и особенностей их обучения и inference;
- Опыт работы с GPU, distributed training и Linux / Docker / Git;
- Умение самостоятельно ставить эксперименты, выбирать метрики и анализировать результаты.

Будет плюсом:

- Continual / domain pre-training;
- Reasoning RL;
- Multilingual LLM или code generation;
- FSDP / DeepSpeed / Megatron-LM;
- Quantization и оптимизация inference.

Чтобы откликнуться, отправляйте резюме рекрутеру ••••••••

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

Посмотреть полный каталог →Свежие вакансии Data Science & ML