Если вы раньше входили через Google, сбросьте пароль для своей Gmail-почты через кнопку «Забыли пароль?» на экране входа. Затем войдите по email и новому паролю.
Если аккаунта ещё нет, зарегистрируйтесь с Gmail-почтой, после подтверждения почты мы предложим задать пароль.
Что нового
Загружаю обновления...
Что нового
Загружаю обновления...
Работа найдется быстрее с подпискойКандидат найдётся быстрее с подпиской
Чтобы адаптировать резюме под вакансию или составить сопроводительное письмо, загрузите резюме
описание
Команда исследователей и инженеров разрабатывает технологии post-training и контролируемой генерации для моделей генерации изображений, видео и омни-модальных моделей. Она повышает качество, управляемость и устойчивость генеративных моделей с помощью RLHF, RLAIF и инструктивного редактирования, а также создаёт прикладные решения для B2B-партнёров — от генерации интерьера до персонализированных аватаров.
задачи
Проектировать и обучать высокопроизводительные диффузионные модели для редактирования и генерации видео и изображений;
Разрабатывать новые подходы и архитектурные решения для post-training-фазы диффузионных моделей: RLHF, RLAIF и SFT;
Разрабатывать, масштабировать и поддерживать RL-пайплайны;
Руководить экспериментами: ставить гипотезы, разрабатывать протоколы и анализировать результаты;
Проводить code review;
Менторить младших исследователей и инженеров;
Участвовать в планировании исследовательской дорожной карты;
Взаимодействовать с командами Pretraining, Data, Infrastructure и Production для масштабирования пайплайнов и повышения стабильности моделей в продакшене;
Поддерживать и внедрять современные подходы;
Мониторить научную литературу и инициировать внутренние исследования.
требования
Высшее образование по компьютерным наукам, прикладной математике, машинному обучению или смежной специальности;
От 3 лет релевантного опыта исследований и разработки в глубоком обучении, компьютерном зрении или генеративном ИИ;
Глубокие знания Computer Vision и Generative Modeling: Diffusion Models, GANs, VAEs, Flow и Rectified Flow Matching;
Опыт работы с современными диффузионными фреймворками Diffusers и моделями FLUX, Wan 2.X и другими;
Уверенное владение PyTorch;
Навыки распределённого обучения с использованием DDP и FSDP;
Понимание и практическое применение RL и RLHF, включая PPO и DPO;
Умение проектировать архитектуры, планировать эксперименты и интерпретировать результаты;
Будет плюсом наличие PhD, опыт публикаций или активное участие в исследованиях уровня NeurIPS, ICLR и CVPR.
условия
Годовые премии по результатам работы;
Участие в развитии и создании OpenSource-продуктов;
Корпоративная пенсионная программа;
Страхование от несчастных случаев;
Социальные гарантии;
ДМС;
Комфортный офис Sbergile Home рядом с метро Кутузовская.