Middle RL - Engineer (GigaChat Vision)

Сбер·Москва·6 июля

Middle RL - Engineer (GigaChat Vision)

Ориентир по рынку≈ 80 000 – 140 000 ₽наша приблизительная оценка по 24 вакансиям этой роли и грейда, у работодателя вилка не указана

🏢 ОфисJuniorПолная занятостьКорпорация

≈ 80 000 – 140 000 ₽наша приблизительная оценка

Стоит ли откликаться

Стоит откликнуться, но спросите про деньги

Вилку работодатель не назвал, но ориентир по рынку есть: он в строке «Деньги». Смущает только, что вакансия висит давно.

2 из 4 в норме

Висит давно: что спросить, чтобы не откликаться в пустоту

Деньги

Вилку работодатель не назвал. Ориентир на созвон: столько платят в 24 похожих вакансиях Инженер уровня Junior.

платят меньше80 000 – 140 000 ₽ у половины таких вакансийплатят больше

Кроме оклада: премия и пересмотр зарплаты. Размер не назван, а от него зависит доход за год.

Вилки нет

Живость

Открыта уже 105 дней. Источник её держит, но за таким сроком часто стоит трудный найм или набор в резерв.

Висит дольше 90% вакансий того же грейда
Зарплата не указана

Открыта давно

Описание

Обязанности: 9, требования: 11. Понятно, что за работа, ещё до отклика.

Обещают: ДМС и компенсация спорта

Подробно

Что требуют

ОбязательноLLM

Ясно

Полный разбор в Pro

Это короткий разбор. В Pro полный: под эту вакансию и ваше резюме

Сколько просить

Не продешевите: сумма под ваше резюме, нижняя граница и готовые фразы для торга

Ваше резюме против требований

Пройдёт ли ваше резюме фильтр: что совпало с требованиями и что дописать до отклика

Спросить у работодателя

Что стоит спросить: вопросы именно к этой вакансии для первого созвона

Когда откликаться

Стоит ли спешить: за сколько дней эта компания обычно закрывает вакансии

30 дней Pro: полный разбор каждой вакансииЧто ещё входит в Pro

Чем предстоит заниматься

Разрабатывать и улучшать RL-подходы для обучения VLM/LLM-моделей: выбор алгоритмов, постановка экспериментов и анализ результатов

Проектировать reward-функции и пайплайны обучения, выстраивать стратегии масштабирования под разные домены и сценарии, напрямую влияя на метрики качества

Определять требования к данным для RL: участвовать в построении пайплайнов сбора, фильтрации и подготовки датасетов

Развивать систему оценки reasoning-качества: внедрять и улучшать метрики в существующем eval-фреймворке, предлагать новые способы измерения качества под новые возможности модели

Работать на стыке с Pretrain / SFT / Infra: обеспечивать согласованность решений и перенос экспериментов в продакшн-пайплайн

Следить за состоянием области и переводить свежие идеи из статей в проверяемые эксперименты и инженерные решения

Глубоко погружаться в технические задачи: дебажить эксперименты, разбирать аномалии в обучении, находить узкие места и доводить решения до результата

Делиться экспертизой с командой: участвовать в код-ревью, помогать улучшать качество решений и подходы к экспериментам

Развивать инфраструктуру для RL

Наши требования

Глубокое понимание RL для LLM/VLM (RLHF, GRPO, PPO) и практический опыт

Понимание полного цикла обучения VLM/LLM (pretrain → SFT → RL) и того, как решения на каждом этапе влияют на финальные метрики

Опыт с распределённым обучением (DeepSpeed, FSDP) и inference-фреймворками

Сильный практический опыт постановки, проведения и анализа RL-экспериментов

Умение работать в условиях неопределённости и самостоятельно двигать сложные технические задачи

Умение выстраивать процессы в условиях неопределённости

Опыт взаимодействия со смежными командами и стейкхолдерами

Системное мышление: способность видеть картину целиком — от данных и reward-дизайна до eval и продакшн-метрик

Опыт менторинга или технического лидерства в рамках отдельных проектов

Публикации или open-source вклад в области RL/LLM/VLM

Опыт вывода RL-обученных моделей в продакшн и поддержки их качества

Мы предлагаем

Крупнейшее DS&AI community — более 600 DS-специалистов банка

Дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира

Возможность быть соавтором НИРов и статей для международных конференций

Возможность выбрать удобный формат работы: гибрид или офис

Ежегодный пересмотр зарплаты, годовая премия

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

Ипотека выгоднее до 7% для каждого сотрудника

Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров

Вознаграждение за рекомендацию друзей в команду Сбера

Дополнительно

Привет! Это GigaChat Vision — команда, которая делает полный цикл обучения VLM-моделей. Ищем сильного инженера в RL-направление: человека, который будет драйвить ключевые исследования и разработки, влиять на качество моделей и доводить сложные идеи до работающих решений

_Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика вам на почту и в чат на платформе HeadHunter придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!_