deep learning engineer

Команда работает над развитием ризонинга у генеративных моделей Alice AI LLM, стремясь научить их действовать как человек: составлять план решения, проверять разные подходы и верифицировать ответ. Технология используется в режиме «Рассуждать» в Алисе. В работе применяются наработки из области обучения с подкреплением (Reinforcement Learning), проводятся эксперименты с архитектурами и алгоритмами обучения.

• Создавать новые наборы данных различных уровней сложности и тематик для повышения качества рассуждений и ответов моделей;
• Разрабатывать надёжные функции награды для обучения моделей выбору корректных стратегий;
• Проводить исследования и находить лучшие настройки для процедуры обучения рассуждающих моделей, включая эксперименты с on-policy и off-policy обучением, адаптивным управлением энтропией и способами расчёта advantage.

• Отличное знание математики, классических алгоритмов и структур данных;
• Уверенное программирование на Python;
• Глубокое понимание обучения с подкреплением (Reinforcement Learning), включая версии policy optimization (GAE, PPO, GRPO);
• Практический опыт в распределённом обучении больших моделей на основе архитектуры Transformer;
• Понимание устройства стадии выравнивания (alignment) современных больших языковых моделей;
• Будет плюсом обучение рассуждающих (reasoning) моделей, опыт работы с инфраструктурой для обучения с подкреплением (VERL, vLLM, SGLang и другие).

• Расширенная медицинская страховка с первого месяца работы, включающая плановую и неотложную помощь, лечение критических заболеваний, стоматологию и чекапы;
• Оплата 30 дней больничного в году в полном объёме;
• Коррекция зрения и хирургическое лечение косоглазия после года работы;
• Психологическая поддержка, включая онлайн-консультации и кабинеты психотерапевтов в офисах;
• Терапевты в крупных офисах компании;
• Оплата ведения беременности и родов для сотрудников и их супругов (при стаже от двух лет);
• Программа страхования родственников по системе 80/20.