СберРуководитель направления Online RL (STEM) / Post-Training LLM в команду GigaChat
Москва
Технический руководитель в команду GigaChat: развивать online RL и post-training для задач по математике и естественным наукам, строить пайплайны данных и оценки качества, внедрять результаты в регулярный цикл обучения для роста качества модели
ГрейдLead
Стек
PythonPyTorchRLHFonline RLpost-trainingформальная верификацияdata pipelines
Задачи
- •Развивать направление online RL для STEM-домена
- •Формулировать приоритеты, гипотезы и план работ
- •Проводить эксперименты и анализировать результаты на уровне причин
- •Писать и дорабатывать критичные части пайплайнов online RL
- •Организовывать сбор и подготовку обучающих данных и проверки качества
- •Внедрять результаты в регулярный цикл обучения и руководить командой
Обязательно
- •Отличное владение Python и PyTorch
- •Практический опыт в LLM post-training, RLHF или online RL
- •Понимание специфики STEM: верификация ответов, chain-of-thought, многошаговые задачи
- •Умение 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
- •Опыт построения верификаторов и reward-моделей для STEM
- •Опыт построения пайплайнов данных для обучения
- •Опыт работы с distributed training или large-scale inference
- •Опыт разработки систем оценки качества для LLM и synthetic data generation
- •Публикации или вклад в open-source и прикладной research track record
