Data Scientist (ML Engineer)

ПравоТех — продуктовая IT-компания, которая с 2008 года создает решения для автоматизации юридических бизнес-процессов.

Нашими продуктами ежедневно пользуются тысячи компаний по всей стране, включая крупнейшие банки, страховые компании и корпоративных клиентов.

Сегодня мы активно развиваем AI-направление и ищем LLM / RAG Engineer, который присоединится к команде и будет развивать сервисы для интеллектуальной работы с юридическими документами.

Ключевой фокус роли — LLM, RAG и работа с текстовыми данными: извлечение значимой информации из документов, построение векторных представлений, развитие retrieval-пайплайнов и повышение качества ответов AI-сервисов.

🧠 О роли

Мы работаем с большим массивом судебных и юридических документов и создаем технологии, которые помогают находить в них действительно значимую правовую информацию.

Одна из ключевых задач команды — извлекать из судебных решений правовую позицию и ход рассуждений суда с помощью LLM, преобразовывать полученный текст в векторные представления и использовать их в Retrieval/RAG-сценариях для поиска информации и формирования ответов пользователям.

Нам нужен инженер, который умеет работать с LLM и текстовыми данными, понимает принципы embeddings и векторного поиска и готов влиять не только на реализацию, но и на качество AI-сервиса.

В этой роли будет возможность много экспериментировать: проверять гипотезы, сравнивать подходы и искать решения, которые повышают точность работы продукта.

Чем предстоит заниматься:

• разрабатывать и развивать пайплайны извлечения значимой информации из юридических документов с помощью LLM;

• работать с RAG / Retrieval-сценариями и улучшать качество поиска и ответов AI-сервисов;

• создавать векторные представления текстов с помощью embedding-моделей;

• работать с хранением и использованием векторов для поиска по базе документов;

• развивать подходы и метрики для оценки качества извлечения информации;

• анализировать текущие решения и находить точки роста для повышения точности сервиса;

• тестировать новые модели, подходы и гипотезы;

• создавать end-to-end пайплайны обработки новых типов документов;

• работать с различными источниками юридических данных: судебными решениями, нормативно-правовыми актами, кодексами и другими документами;

• совместно с AI-экспертами и командой продукта развивать качество AI-сценариев.

Для нас важно:

• уверенное владение Python;

• практический опыт работы с LLM;

• опыт работы с RAG / Retrieval или близкими по архитектуре решениями;

• понимание принципов работы embeddings и векторных представлений текста;

• практический опыт работы с текстовыми данными и NLP-задачами;

• опыт построения и поддержки data/ML pipelines;

• опыт работы с Airflow;

• понимание подходов к оценке качества ML/LLM-решений;

• готовность разбираться в существующей кодовой базе, самостоятельно искать точки роста и предлагать технические решения.

➕ Будет плюсом

• опыт разработки production-систем на базе LLM;

• опыт построения RAG-систем и векторного поиска;

• опыт работы с vector databases или другими хранилищами векторных представлений;

• опыт разработки рекомендательных систем;

• опыт работы с embedding-моделями и semantic search;

• опыт построения пайплайнов обработки больших объемов текстовых данных;

• опыт проведения экспериментов и оценки качества LLM/ML-моделей;

• опыт работы с юридическими или другими сложными неструктурированными текстами.

🚀 Первые задачи

В первый месяц мы ожидаем, что вы:

• разберетесь в существующей кодовой базе и архитектуре сервиса;

• погрузитесь в текущую логику обработки и обновления данных;

• проанализируете существующие решения и найдете потенциальные точки роста для повышения точности ответов;

• предложите и протестируете собственные гипотезы по улучшению сервиса;

• начнете разработку нового end-to-end pipeline для дополнительного типа юридических документов.

Одна из практических задач на период адаптации — самостоятельно пройти весь путь обработки нового источника документов: от получения и извлечения нужной информации до подготовки данных для дальнейшего использования в Retrieval/RAG-сценариях.

Что мы предлагаем:

• возможность работать над реальными LLM/RAG-сценариями в LegalTech;

• задачи на больших массивах юридических документов и сложных текстовых данных;

• возможность напрямую влиять на качество AI-продуктов и технические решения;

• пространство для экспериментов с LLM, embeddings, retrieval-подходами и новыми архитектурными решениями;

• небольшую команду, в которой можно существенно влиять на развитие направления;

• оформление по ТК РФ;

• ДМС;

• корпоративные программы обучения;

• командный бонус по результатам работы;

• удаленный или гибридный формат работы (Москва / Самара).

Привет! Это GigaChat Reasoning — команда, которая даёт модели суперсилу размышлять. Мы придумываем среды, тренируем через online RL, ускоряем обучение и доводим решения до продакшна.

Направления

Улучшение GigaChat Reasoning: полный цикл обучения от холодного старта до вывода модели продакшн. Добавление новых доменов, создание датасетов и функций оценки ответов.

Развитие агентских навыков и tool calling с помощью Online RL: создание сред для обучения LLM, обучение и тестирование моделей.

Улучшение продукта Deep Research

На эти роли мы ищем талантливого NLP Engineer со знанием и опытом в Reinforcement Learning. Для всех этих экспериментов у нас есть кластер с большим числом A/H 100'ых.

Обязанности

• Улучшать качество работы GigaChat Reasoning на русском и английском языках
• Ускорять пайплайн обучения: профилирование узких мест, эффективный сэмплинг.
• Тестировать новые Loss-функции и подходы к обучению
• Помогать выводить в прод всё, что мы обучим.
• Постоянно держаться up-to-date со свежими статьями.

Требования

• Опыт в online RL и хорошие теоретические знания
• Уверенное владение Python, PyTorch.
• Знание базовых алгоритмов и математики.
• Знания в DL, опыт обучения простых и больших моделей.
• Опыт обучения моделей для продакшена.
• Понимание текущего состояния эволюции больших LLM'ов.
• Будет плюсом наличие публикаций.

Условия

• Погружение в разработку самых современных NLP-систем.
• Возможность совмещать учёбу и работу над реальными проектами.
• По итогам стажировки — приглашение на Junior+ или Middle позиции.
• Полная удалёнка: работай из любой точки России, где есть интернет.

Наша команда занимается разработкой computer-use-агентов, которые проходят тест-кейсы в интерфейсах и приложениях Яндекса — смотрят на экран, кликают, проверяют результат. Это помогает экономить время на рутинных тестах и сокращает время на выпуск версий.

Наша работа происходит на стыке harness и моделей, которых мы дообучаем через SFT/RL. Если вам интересно разрабатывать агентов, отвечая за весь стек технологий, используемых под капотом, — будем рады познакомиться!

Развитие harness

Нам важно строить эффективную (как по токенам, так и по скорости) обвязку вокруг модели. Разработка базы знаний по большой вариации тест-кейсов, улучшение планера, разработка верификаторов и тулов — это лишь малая часть задач, которые окружают harness.

Агентское планирование в модели

Уже сейчас наши модели неплохо справляются с автоматизацией. Но инструментов становится больше, тест-кейсы — сложнее. Чтобы сохранять эффективность и находить оптимальные пути решения задач, вам предстоит обучать модель таким эффективным стратегиям, а также работе в нашем harness.

Больше об ML в Яндексе — в канале Yandex for ML

* Понимаете, как строятся VLM-агенты и tool calling, работали с ними
* Разбираетесь с RL в интерактивных средах
* Хорошо знаете NLP/CV, особенно LLM/VLM
* Умеете решать ML-задачи полного цикла — от сбора разметки до внедрения в продакшен

* Понимаете ограничения современных VLM
* Следите за трендами в области агентов и tool-augmented-моделей