Руководитель направления ML Pretrain Multimodal LLM

500 000 – 1 000 000 ₽

≈ 5,8 тыс.–11,5 тыс. $

🏢 ОфисLeadПолная занятость

500 000 – 1 000 000 ₽≈ 5,8 тыс.–11,5 тыс. $

Навык востребован (Python).

Нажмите на сигнал, чтобы увидеть, на чём он основан

Наша компания

Мы развиваем GigaChat и ищем сильного руководителя направления ML-pretrain больших языковых моделей. Недавно мы обучили MoE-модель на 700 миллиардов параметров и не собираемся останавливаться — обучение идёт на кластерах H100 и B200, а pretrain является ядром самого быстрорастущего AI-проекта Сбера. Это роль для человека, который возьмёт на себя архитектурную часть pretrain: design моделей, законы масштабирования, выбор и адаптацию attention / MoE / позиционных схем, а также все архитектурные решения, которые определяют, какой именно будет следующая флагманская модель GigaChat.

Чем предстоит заниматься

Развивать архитектуру моделей GigaChat

Определять, как должна развиваться архитектура pretrain-моделей: какие направления наиболее важны, как измерять прогресс и что в первую очередь ограничивает рост качества модели

Проектировать архитектуру флагманских моделей и отвечать за ключевые архитектурные решения: attention, позиционные схемы (RoPE и варианты), нормализации, активации и инициализации

Развивать MoE-архитектуру: маршрутизация, балансировка экспертов, устойчивость маршрутизатора, влияние на качество и производительность

Работать с long-context и мультимодальностью на уровне архитектуры: что именно нужно менять в модели, чтобы эти возможности работали стабильно

Изучать и применять законы масштабирования

Проводить scaling-эксперименты и на их основе принимать решения по размеру модели, ширине / глубине, числу и размеру экспертов, размерам батча и длительности обучения

Предсказывать, как архитектурные изменения поведут себя при переходе с небольших абляций на полный масштаб

Определять и развивать метрики, которые корректно отражают архитектурные изменения в обучении моделей

Определять, в каких случаях архитектурные изменения действительно дают прирост качества по сравнению с более простыми baseline-ами, а в каких — нет

Анализировать стабильность архитектурных решений

Разбираться с нестабильностью на больших прогонах со стороны архитектуры: почему конкретная конфигурация расходится, где проявляются артефакты маршрутизации, коллапс энтропии, неустойчивости в attention

Предлагать изменения в нормализациях, клиппинге, точности вычислений и структуре блоков, которые делают обучение более предсказуемым

Обеспечивать безопасное масштабирование при внедрении крупных архитектурных изменений в основной трейн

Писать ключевой код и оставаться сильным исследователем

Самостоятельно писать и дорабатывать архитектурные компоненты и абляции

Делать надёжные и воспроизводимые эксперименты: понятные версии данных, конфиги, сравнение запусков, контроль деградаций

Читать статьи, воспроизводить ключевые результаты и адаптировать лучшие идеи под наши задачи и инфраструктуру

Руководить сильной технической командой

Руководить командой исследователей и инженеров, работающих над архитектурой, задавать высокую планку по качеству решений, скорости работы и глубине проработки

Помогать команде превращать архитектурные идеи в работающие решения, которые можно встроить в основной цикл обучения

Удерживать баланс между глубиной исследований, инженерной надёжностью и практическим результатом для модели

Наши требования

Отличное владение Python и PyTorch

Глубокое понимание устройства обучения нейросетей: не на уровне обзоров, а на уровне, где вы можете объяснить, почему конкретная архитектурная конфигурация расходится, глядя на кривые функции потерь, нормы градиентов и энтропии

Глубокое понимание архитектуры LLM: Transformer, attention (MHA/GQA/MLA), RoPE и варианты позиционных эмбеддингов, нормализации, инициализации, long-context, MoE

Практический опыт с обучением больших моделей (а не только инференсом) и проведением архитектурных абляций

Способность самостоятельно взять направление и довести его до результата: от чтения статей и постановки гипотез до внедрения в основной трейн

Умение ставить гипотезы, проектировать эксперименты и принимать решения на основе результатов

Опыт руководства сильной технической командой и готовность лично писать важные части системы руками