NLP-разработчик в Алису

Ориентир по рынку≈ 150 000 – 325 000 ₽наша приблизительная оценка по 90 вакансиям этой роли и грейда, у работодателя вилка не указана

🏢 ОфисMiddleПолная занятость

≈ 150 000 – 325 000 ₽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». Вакансия к тому же свежая, откликаться лучше сейчас.

3 из 4 в норме

Вилку не назвали: какую сумму назвать вам и ниже какой не соглашаться

Деньги

Сумму в объявлении не указали. Ориентир на созвон: столько платят в 90 похожих вакансиях Разработчик уровня Middle.

платят меньше150 000 – 325 000 ₽ у половины таких вакансийплатят больше

Вилки нет

Живость

Опубликована 5 дней назад. Свежие вакансии почти всегда живые.

Свежая

Описание

Обязанности: 5, требования: 9. Понятно, что за работа, ещё до отклика.

Подробно

Что требуют

ОбязательноNLPLLMPythonPyTorch

Надбавка к зарплате на этом уровне: Python +40%.

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

Наша компания

Мы — команда ML-исследователей и инженеров внутри Алисы. Строим первого в России автономного computer-use-агента, который умеет пользоваться компьютерными средами как человек: кликать, скроллить, заполнять формы, переключаться между приложениями и решать задачи пользователя автономно. У нас уже есть работающий прототип в проде, платформа агентов на миллионы пользователей, GPU-кластеры, симуляторы сред и пайплайны обучения через GRPO-like-подходы. Нам нужен человек, который выведет RL-обучение агента на новый уровень.

Чем предстоит заниматься

Проектировать и запускать эксперименты по обучению агента взаимодействию с компьютерными средами

Вам предстоит придумывать и реализовывать новые RL-пайплайны — от формулировки reward-функций до архитектуры обучения на многошаговых траекториях с вызовами тулов. Вы будете работать с симуляторами сред и реальными траекториями: строить data flywheel от сбора данных до улучшения модели. Нужно будет обучать и файнтюнить большие модели, оптимизировать инференс для прода: FP8, дистилляцию, параллелизм

Улучшать GUI grounding и визуальное понимание экрана (VLM-компоненты агента)

Memory, planning, оркестрации тулов. Предстоит уделять внимание safety- и truthfulness-аспектам, доводить R&D-результаты до продакшна на платформе, обслуживающей миллионы пользователей

Больше об ML в Яндексе — в канале Yandex for ML

Наши требования

Имеете глубокий практический опыт с DL и RL: обучали модели через GRPO, GSPO, DAPO, Dr.GRPO, понимаете нюансы reward design, знаете, почему обучение разваливается и как это чинить

Обучали большие модели — занимались файнтюнингом LLM и VLM не по туториалу, а в реальных задачах

Обладаете исследовательским мышлением: умеете находить и критически оценивать статьи, вычленять применимые идеи и быстро проверять гипотезы

Работаете с задачей от постановки эксперимента до результата в проде

Уверенно владеете Python, PyTorch

Работали с VLM: занимались их обучением, файнтюнингом, инференсом

Работали с multi-turn RL на траекториях взаимодействия с инструментами и средой

Имеете публикации на топ-конференциях: NeurIPS, ICML, ICLR, ACL и т. д.

Работали с computer use, web agents, GUI grounding