руководитель RL-направления для VLM

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

• Формировать техническую стратегию RL-направления: определять приоритетные домены, выбирать подходы и строить дорожную карту на несколько кварталов вперёд
• Принимать ключевые архитектурные решения по выбору алгоритмов, дизайну reward-функций и стратегии масштабирования, отвечать за них
• Определять стратегию данных для RL: выбирать необходимые датасеты и требования к качеству, выстраивать пайплайн сбора и фильтрации
• Определять и внедрять метрики оценки качества reasoning в eval-фреймворк, проектировать метрики для новых доменов и возможностей модели
• Строить и развивать команду: нанимать сотрудников, проводить онбординг, менторить и делать ревью
• Координироваться со смежными направлениями Pretrain, SFT и Infra, синхронизировать планы
• Отслеживать развитие области и превращать идеи из статей в эксперименты и решения
• При необходимости лично решать сложные технические задачи: отлаживать эксперименты, разбирать аномалии в обучении и доводить работу до результата

• Глубоко разбираться в RL для LLM/VLM, включая RLHF, GRPO и PPO
• Понимать полный цикл обучения VLM/LLM: pretrain, SFT и RL, а также влияние решений на каждом этапе на итоговый результат
• Иметь опыт технического лидерства команды от 3 человек: создавать дорожные карты, декомпозировать и приоритизировать задачи, менторить
• Иметь опыт распределённого обучения с DeepSpeed или FSDP и работы с фреймворками inference
• Уметь выстраивать процессы в условиях неопределённости
• Иметь опыт взаимодействия со смежными командами и заинтересованными сторонами
• Обладать системным мышлением и видеть весь процесс — от данных и дизайна reward-функций до eval и метрик продакшна
• Будет плюсом: опыт найма и формирования технической команды с нуля, публикации или вклад в open-source по RL/LLM/VLM, опыт вывода моделей, обученных RL, в продакшн

• Можно выбрать гибридный формат или работу в офисе
• Ежегодный пересмотр зарплаты и годовая премия
• Корпоративный спортзал и зоны отдыха
• Более 400 образовательных программ СберУниверситета
• Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
• Ипотека выгоднее до 7% для сотрудников
• Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнёров
• Вознаграждение за рекомендацию друзей в команду Сбера