СБЕР·Москва·23 ч назад
Senior Data Engineer (агентные данные и бенчмарки)
🏢 ОфисMiddleПолная занятость
Наша компания
Мы помогаем делать агентные модели GigaCode и GigaChat лучше — они не просто отвечают текстом, а сами ходят в инструменты, пишут код, работают с базами данных и офисными сценариями. Агент решает задачу, пайплайн сохраняет траекторию, сам проверяет результат и сам отсеивает мусор. Твоя работа — спроектировать этот пайплайн так, чтобы он честно обмерял модель и давал данные для улучшения следующего поколения агентного ИИ.
О роли
Это передний край развития ИИ: без таких пайплайнов агентные модели не на чем учить и нечем проверять. ━━━━━━━━━━━━━━━━━━━━
Чем предстоит заниматься
Проектировать пайплайны синтетических агентных данных: модель придумывает задачу → агент её решает → проверка → фильтр → датасет
Придумывать задачи и бенчмарки для разных доменов: код, SQL, офис, инфобез и новые области
Делать генерацию задач из открытых данных и автоматическую проверку (ораклы, тесты, LLM-судья — где это уместно)
Разбираться в агентном цикле: инструменты, окружение, формат траекторий, что считать успешным завершением работы
Масштабировать запуски: тысячи изолированных сред, очередь экспериментов, стабильный инференс LLM
Строить контроль качества: валидная ли траектория, нет ли утечки ответа, не спутали ли сбой инфраструктуры с провалом агента
По сути это проектирование сред, в которых модель учится действовать как в реальной жизни у пользователей
━━━━━━━━━━━━━━━━━━━━
🛠 Стек
Python · Docker / Kubernetes · агенты и среды запуска · инференс LLM · агентные бенчмарки · пайплайны синтетики
Наши требования
Уверенный Python: данные, API, скрипты оркестрации
Опыт ML-пайплайнов и датасетов именно в NLP: генерация, фильтрация, форматы диалогов и траекторий
Docker и Kubernetes на практике: образы, джобы, разбор падений в кластере
Понимание, как устроены агенты: цикл «размышления → инструмент → результат», изолированная среда, проверка результата
Базовое понимание инференса LLM: chat/completions, чат шаблоны, парсеры тулов, как агент ходит в модель
Форматы сохранения агентных траекторий и умение с ними работать
━━━━━━━━━━━━━━━━━━━━
Агентные бенчмарки (SWE-bench, Terminal-Bench, SQL/BIRD, CyberGym и похожие): как устроены задачи, ораклы, оценка
Генерация синтетики через LLM и оценка качества без ручной разметки
Устройство агентных фреймворков: инструменты, память, сжатие контекста, субагенты, траектории
Офисные и инфобезовские агентные задачи
Мы предлагаем
Комфортный современный офис - м. Кутузовская
Ежегодный пересмотр зарплаты, годовой бонус
Корпоративный спортзал и зоны отдыха
Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
Гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
Подписка Прайм с возможностью совместного использования на трёх близких
Вознаграждение за рекомендацию друзей в команду Сбера
Корпоративная пенсионная программа
Технологии и навыки
СБЕР
Москва
ГрейдMiddle
ЗанятостьПолная занятость
РегионРоссия
ФорматОфис
ИсточникСкрыто
Опубликовано23 ч назад
Мы против мошенников на площадке: если тебя просят заплатить, продиктовать код или установить непонятное приложение, прекращай общение и сразу пиши нам (чат с основателем или форма обратной связи).