LLM‑разработчик персонализации в Плюс Фантех

Ориентир по рынку≈ 120 000 – 300 000 ₽наш грубый ориентир по 190 вакансиям этого грейда на рынке, без учёта специальности: у работодателя вилка не указана

🌍 УдалённоMiddleПолная занятостьКорпорация

≈ 120 000 – 300 000 ₽наша приблизительная оценка

Стоит ли откликаться

Стоит откликнуться, но спросите про деньги

Сумму в объявлении не указали. Сколько платят за похожую работу, видно в разборе. Вакансия живая, задачи расписаны.

3 из 4 в норме

Зарплата не указана: ваша цель, нижняя граница и фраза для первого созвона

Наша компания

Мы — команда MediaAI — ищем сильного LLM‑разработчика с опытом прикладных LLM‑систем для развития пользовательского профиля и LLM‑памяти сервисов Плюс Фантеха. Роль предполагает ответственность за ключевое направление: ML‑интеграцию общего пользовательского профиля в продукты и AI‑агентов нашей экосистемы. Ваши решения напрямую повлияют на то, как будет устроена персонализация сразу в нескольких сервисах.

Чем предстоит заниматься

Развивать сервис пользовательского профиля и LLM-памяти

Вы будете проектировать и улучшать систему, которая хранит и извлекает пользовательский контекст. Это ключевой компонент для всех AI-агентов Плюс Фантеха: от рекомендаций до диалоговых сценариев

Улучшать качество запоминания и извлечения контекста

Вам предстоит работать с embeddings, retrieval-механиками и промптами, чтобы система точнее понимала, что важно пользователю в данный момент. Проводить эксперименты с LLM и автоматическими метриками качества

Проектировать переиспользуемые механики интеграции

Вы будете создавать механизмы, которые позволят разным продуктовым командам легко подключаться к профилю и памяти — без дублирования логики и с сохранением стабильности

Создавать автоматические оценки качества

Вам предстоит разрабатывать и внедрять метрики и тесты для недетерминированных компонентов, чтобы можно было объективно оценивать, насколько хорошо система запоминает и извлекает информацию

Обеспечивать стабильность и безопасность

Вы будете работать с производительностью, наблюдаемостью и безопасной обработкой пользовательских данных. Внедрять best practices асинхронной обработки и проектирования хранилищ

Больше об ML в Яндексе — в канале Yandex for ML