Senior LLM Engineer
Multiverse is a well-funded, fast-growing deep-tech company founded in 2019. We are the largest quantum software company in the EU and have been recognized by CB Insights (2023 and 2025) as one of the 100 most promising AI companies in the…
Multiverse Computing
Multiverse is a well-funded, fast-growing deep-tech company founded in 2019. We are the largest quantum software company in the EU and have been recognized by CB Insights (2023 and 2025) as one of the 100 most promising AI companies in the world.
With 180+ employees and growing, our team is fully multicultural and international. We deliver hyper-efficient software for companies seeking a competitive edge through quantum computing and artificial intelligence.
Our flagship products, CompactifAI and Singularity, address critical needs across various industries:
CompactifAI is a groundbreaking compression tool for foundational AI models based on Tensor Networks. It enables the compression of large AI systems--such as language models--to make them significantly more efficient and portable.
Singularity is a quantum- and quantum-inspired optimization platform used by blue-chip companies to solve complex problems in finance, energy, manufacturing, and beyond. It integrates seamlessly with existing systems and delivers immediate performance gains on classical and quantum hardware.
Job Overview
We are looking for a Senior LLM Engineer to join our Research team. You will work across the full model lifecycle: data, distributed training, post-training, compression, evaluation and efficient inference. Our past work includes compressing and healing open-weight models, post-training with SFT, RL and distillation, multimodal training, knowledge editing, and building our own family of models. Priorities change quickly in research, so we value strong fundamentals over narrow specialisation. When it makes sense, we publish papers and release models and code.
As an LLM Engineer, you will
Train and post-train LLMs and multimodal models on multi-node GPU clusters using SFT, preference optimisation, RL (e.g. GRPO), and on-policy and offline distillation.
Design compression techniques (quantization, pruning, quantization-aware training, quantum-inspired tensor-network methods) and healing recipes that recover the quality of compressed models.
Build RL environments, reward functions and verifiers for reasoning, coding and agentic tasks, and extend RL methods to world models and Physical AI.
Research and prototype post-transformer and hybrid architectures (state-space models, linear attention, MoE), from small-scale ablations to scaling recipes.
Build data pipelines for curation, filtering, deduplication and large-scale synthetic data generation.
Design rigorous ablations and evaluations on current benchmark suites (reasoning, coding, long-context, instruction following, agentic) as well as internal evals.
Port and optimise models for inference on various accelerators and edge chips, profiling latency, memory and throughput.
Write up experiments and results as internal reports and, where relevant, papers and open-source releases.
Review code, mentor teammates, and follow and bring in the latest research.
Required Qualifications
Master’s or PhD in Computer Science, AI, Mathematics, Physics or a related field, or equivalent industry experience.
Senior: 4+ years of hands-on experience training or post-training transformer models.
Strong PyTorch. You are comfortable working below library level: model code, custom losses, parallelism configuration.
Experience with distributed training (FSDP, DeepSpeed or Megatron-LM; data, tensor, pipeline and expert parallelism) on multi-node clusters with Slurm/K8s.
Hands-on post-training experience: SFT, DPO, and at least one RL method (PPO, GRPO or similar).
Solid mathematical foundations in linear algebra, optimisation and probability, and an understanding of training dynamics.
Good understanding of GPU fundamentals: memory hierarchy, mixed precision, profiling, throughput.
Rigorous experimental practice: ablation design, reproducibility, experiment tracking, noise-aware evaluation.
Strong debugging and communication skills. Fluent English.
Preferred Qualifications
We don’t expect anyone to have all of these. Our research covers many areas and nobody on the team is an expert in all of them. If you have deep experience in some and none in others, we still want to hear from you.
Experience with the NVIDIA stack (Megatron-LM, Megatron Bridge, NeMo RL, NeMo Gym, NeMo Curator) or similar frameworks (verl, TRL, OpenRLHF).
RL infrastructure: rollout engines (vLLM, SGLang), asynchronous RL, reward model and verifier design, agentic environments.
Model compression: post-training quantization and QAT (GPTQ, AWQ, FP8/FP4), pruning, distillation, low-rank or tensor-network methods.
Post-transformer architectures: SSMs/Mamba, linear attention, hybrid models, diffusion LMs.
Physical AI: vision-language-action models, world models (e.g. JEPA-style or video world models), robotics simulation.
Multimodal model training (vision-language, audio).
Inference on alternative hardware: ExecuTorch, llama.cpp, ONNX Runtime, OpenVINO, vendor NPU SDKs, custom kernels (Triton, CUDA).
Large-scale data processing and synthetic data generation.
Evaluation tooling (lm-evaluation-harness, lighteval, NeMo Evaluator) and familiarity with Artificial Analysis.
Publications at top venues (NeurIPS, ICML, ICLR, ACL, etc.), notable open-source contributions, or models released on Hugging Face.
Spanish.
Похожие вакансии AI инженер
ВАЖНО: Прочитайте перед откликом!
МЫ НЕ ИЩЕМ классического разработчика!
Эта вакансия НЕ подойдёт вам, если вы:
- Пишете код преимущественно вручную в IDE
- Не используете в ежедневной работе агентов OpenCode, Codex, Claude, Cline или аналоги для ГЕНЕРАЦИИ кода
- Считаете, что «ИИ агенты никогда не заменят разработчика»
- Не следите за трендами агентской разработки и не можете показать реальный пет-проект, где >50% кода написано AI-агентами
- Не имеете опыта работы с Angular + .Net, но "готовы переучиться"
Эта позиция подойдёт вам, ТОЛЬКО если вы:
- Ежедневно используете AI-ассистентов как ОСНОВНОЙ инструмент разработки
- Умеете строить работу через тулкиты (Spec Kit, Spec Kitty, Kiro, Tessl и им подобные)
- Готовы преимущественно не писать код руками, а управлять проектом через постановку спецификаций агентам
Обязанности:
- Писать детальные спецификации для AI-агентов: Вы будете определять архитектурные решения и создавать технические спецификации на естественном языке (через соответствующие инструменты), по которым ИИ-агенты станут генерировать production-ready код. Основная часть задач будет касаться пользовательских витрин (Angular), но определенная часть относится к BFF или даже более глубоким слоям - поэтому ищем человека с опытом Fullstack.
- Иногда править код за агентом вручную - если вы четко понимаете, что пять строк быстрее исправить самому, чем заново запускать /clarify.
- Управлять мульти-агентными сессиями разработки: Организовывать цепочки задач между разными AI-агентами (один пишет код, второй тесты, третий документацию), контролировать контекст между итерациями, использовать MCP-серверы и .md-файлы для управления поведением агентов.
- Проводить AI-code review без написания кода: управлять правилами генерации списков тест-кейзов и критериев приемки агентом, считывать результаты прохождения агентом тестов и оперативно поправлять его по мере надобности.
- Настраивать AI-driven CI/CD пайплайны: Автоматизировать не только деплой, но и генерацию hotfix'ов через агентов, создание скриптов миграций, автоматическое исправление проваленных тестов.
Требования:
MUST HAVE по AI-инструментам:
- Минимум 6 месяцев ЕЖЕДНЕВНОЙ работы с Cursor/Cline, Claude, Codex, OpenCode или иной средой AI-разработки
- Портфолио собственных проектов, где можно проверить, что код действительно сгенерирован AI (git history с характерными коммитами, структура кода). Доступа к вашим рабочим проектам под NDA мы не просим.
- Опыт работы с контекстными окнами 100k+ токенов, умение их оптимизировать, настраивать обвязки полезными плагинами.
- Навык написания системных промптов и agent instructions (покажите примеры ваших .cursorrules или SYSTEM.md)
MUST HAVE по технологиям:
- Современные версии Angular. И опыт работы со старыми версиями, которые придется поднимать до актуальных.
- Figma и ее MCP для ИИ-агентов - no comments.
- .NET 6+ — крайне желательны 2+ года опыта. Понимание архитектуры на уровне, достаточном для написания промптов: REST API, gRPC, message brokers, CQRS, DDD
- Git — умение читать AI-сгенерированные диффы по 500+ строк
Red flags:
"Я пробовал ChatGPT для написания SQL-запросов" — это НЕ тот уровень
"Я использую Copilot для автодополнения" — это НЕ AI-first разработка
"Я готов научиться" без реального опыта — мы ищем тех, кто УЖЕ работает так
Условия:- Работа в аккредитованной IT-компании, входящей в состав Холдинга РЖД
- Оформление, отпуска, больничные по ТК, стабильный, полностью официальный доход
- График работы: 5/2, 8-ми часовой рабочий день (работа в офисе)
- ДМС, включая стоматологию
АЙСИ ГРУПП - холдинг, развивающий торговые сети и телекоммуникационную инфраструктуру в Крыму и Новороссии. Компании холдинга занимают ключевые позиции на рынках присутствия и формируют современную среду для жизни и бизнеса в регионах.
В аккредитованную ИТ компанию Холдинга приглашаем кандидатов на позицию LLM-разработчик
Условия:
- Удалённый формат работы;
- Оформление в Аккредитованную ИТ компанию;
- График работы 5\2, с 9:00 до 18:00 по МСК;
- Размер заработной платы обсуждается индивидуально;
- Официальное трудоустройство, согласно ТК РФ;
- Интересные задачи, корпоративное обучение в рамках должности;
- Работа в крупной развивающейся компании.
Наши ожидания:
- Имеете практический опыт разработки и внедрения LLM-приложений в production, самостоятельно создавали RAG-системы и/или AI-агентов и понимаете особенности их эксплуатации;
- Уверенно владеете Python, знаете асинхронное программирование, FastAPI, принципы ООП и SOLID, умеете писать чистый и поддерживаемый код;
- Имеете опыт работы хотя бы с одним из фреймворков для разработки AI-агентов: LangGraph, LangChain, LlamaIndex или Haystack;
- Владеете prompt engineering и context engineering на практическом уровне: умеете работать с few-shot prompting, chain-of-thought и structured output;
- Имеете опыт работы с векторными базами данных (pgvector, Qdrant, Milvus, FAISS), понимаете принципы гибридного поиска и знаете, в каких случаях необходимо применять реранкинг;
- Уверенно работаете с SQL и PostgreSQL;
- Имеете опыт работы с Docker, Git, CI/CD и развёртывания сервисов в production. Будет плюсом опыт деплоя GPU-сервисов;
- Понимаете ограничения современных языковых моделей: особенности контекстного окна, работу с длинным контекстом и узкие места inference;
- Знакомы с инструментами мониторинга, трассировки и оценки качества LLM-приложений: Langfuse, DeepEval или аналогичными решениями;
- Имеете опыт работы с MCP-серверами;
- Знакомы с vLLM или другими инструментами для self-hosted инференса.
Ваши задачи:
- Разрабатывать агентов на базе LLM: multi-turn диалоги, планирование, вызов инструментов, оркестрация моделей внутри пайплайна;
- Писать коннекторы к внутренним системам: Jira, GitLab, CRM, телефония, учетные системы, базы знаний;
- Строить RAG-пайплайны: чанкинг, эмбеддинги, индексирование, гибридный поиск (BM25 + dense), реранкинг, оценка качества retrieval;
- Заменять старые эвристики и классификаторы на LLM-пайплайны с function calling и structured output;
- Подбирать и настраивать эмбеддинг-модели (e5, bge, multilingual-e5) под наши данные и мерить, что стало лучше;
- Проектировать маршрутизацию: какую задачу каким инструментом и какой моделью решать, чтобы не переплачивать за токены;
- Выносить агентов в прод: FastAPI-сервисы, Docker, CI/CD, логирование и трассировка каждого вызова;
- Разбирать боевые ошибки: почему агент ответил не то, где потерялся контекст, на чьей стороне сбой;
- Донастраивать уже выпущенных агентов - это постоянная часть работы, а не разовая.
HireSeeker собирает вакансии со всех площадок и присылает только релевантные. Бесплатно.