СберResearch Engineer
Москва
Команда GigaChat работает над agentic post-training и online RL; вы будете анализировать поведение моделей в многошаговых задачах, строить пайплайны post-training и оценивать влияние изменений на качество и стабильность агентов для улучшения реальных сценариев использования
ГрейдMiddle/Senior
Стек
PythonPyTorchSFTRLHFonline RLreward models
Задачи
- •Анализировать ошибки модели в длинных задачах и находить системные паттерны
- •Проектировать и проводить эксперименты и ML-гипотезы для улучшения поведения агентов
- •Разрабатывать post-training пайплайны и работать с rollout’ами, reward-сигналами и верификаторами
- •Генерировать и фильтровать обучающие выборки из реальных и синтетических траекторий
- •Строить evaluation для многошаговых задач и отслеживать регрессии и переносимость улучшений
Обязательно
- •Сильное владение Python
- •Практический опыт работы с PyTorch
- •Опыт LLM post-training (SFT, preference optimization, RLHF, online RL или близко)
- •Умение ставить ML-гипотезы и проектировать эксперименты
- •Опыт построения пайплайнов данных
- •Навык анализа модели на уровне отдельных примеров и траекторий
- •Способность доводить исследования до воспроизводимого решения
