rl engineer для VLM

GigaChat Vision — команда, которая занимается полным циклом обучения VLM-моделей.

• Разрабатывать и улучшать RL-подходы для обучения VLM/LLM-моделей: выбирать алгоритмы, ставить эксперименты и анализировать результаты
• Проектировать reward-функции и пайплайны обучения, выстраивать стратегии масштабирования под разные домены и сценарии, влиять на метрики качества
• Определять требования к данным для RL и участвовать в построении пайплайнов сбора, фильтрации и подготовки датасетов
• Развивать систему оценки качества reasoning: внедрять и улучшать метрики в существующем eval-фреймворке, предлагать новые способы измерения качества
• Согласовывать решения со смежными направлениями Pretrain, SFT и Infra, переносить эксперименты в производственный пайплайн
• Следить за развитием области и превращать идеи из статей в проверяемые эксперименты и инженерные решения
• Разбираться в технических задачах, отлаживать эксперименты, анализировать аномалии обучения, находить узкие места и доводить решения до результата
• Делиться экспертизой с командой, участвовать в проверке кода и помогать улучшать качество решений и подходы к экспериментам
• Развивать инфраструктуру для RL

• Глубокое понимание RL для LLM/VLM, включая RLHF, GRPO и PPO, и практический опыт
• Понимание полного цикла обучения VLM/LLM: pretrain, SFT и RL, а также влияния каждого этапа на итоговые метрики
• Опыт распределённого обучения с DeepSpeed и FSDP, а также работы с фреймворками inference
• Практический опыт постановки, проведения и анализа RL-экспериментов
• Умение самостоятельно решать сложные технические задачи в условиях неопределённости
• Умение выстраивать процессы в условиях неопределённости
• Опыт взаимодействия со смежными командами и заинтересованными сторонами
• Системное мышление: способность видеть весь цикл от данных и проектирования reward до оценки и производственных метрик
• Будет плюсом: опыт менторинга или технического лидерства в отдельных проектах, публикации или вклад в открытый исходный код в области RL/LLM/VLM, опыт вывода моделей, обученных с RL, в производство и поддержки их качества

• Возможность выбрать гибридный формат или работу в офисе
• Ежегодный пересмотр зарплаты и годовая премия
• Корпоративный спортзал и зоны отдыха
• Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• Расширенная ДМС, льготное страхование для семьи и корпоративная пенсионная программа
• Ипотека на выгодных условиях — до 7% для каждого сотрудника
• Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнёров
• Вознаграждение за рекомендацию друзей в команду Сбера