Research Engineer

🏢 ОфисSeniorПолная занятостьКорпорация

Зарплата не указана

Стоит ли откликаться

Стоит откликнуться, но спросите про деньги

Зарплату не указали, и сравнить её пока не с чем. О деньгах лучше спросить до собеседования. Вакансия свежая: первые отклики читают внимательнее.

3 из 4 в норме

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

Деньги

Сумму в объявлении не указали. Похожих вакансий для ориентира по рынку пока мало.

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

Вилки нет

Живость

Появилась 2 дня назад. По свежим вакансиям почти всегда действительно нанимают.

Свежая

Описание

Расписано подробно: обязанностей 11, требований 6. Картина ясна до первого созвона.

Обещают: ДМС и компенсация спорта

Подробно

Что требуют

ОбязательноPythonPyTorchLLMML

Надбавка к зарплате на этом уровне: LLM +29%, Python +14%.

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

10 вопросов именно к этой вакансии: что спросить на первом созвоне

Когда откликаться

Стоит ли спешить: за сколько дней Сбер обычно закрывает вакансии

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

Наша компания

GigaChat (GigaChain): Agentic Post-Training и Online RL

Чем предстоит заниматься

Разбирать ошибки GigaChat в длительных задачах: потерю цели и контекста, слабое планирование, неверный выбор инструментов, зацикливание, ошибки восстановления и преждевременное завершение работы

Анализировать отдельные шаги и целые траектории, находить систематические паттерны успешного и неуспешного поведения

Понимать источник проблемы и определять, что нужно менять: обучающие данные, objective, reward-сигнал, модель или agentic environment

Разрабатывать и улучшать post-training пайплайны для агентных сценариев

Работать с rollout’ами, reward-сигналами, rule-based и execution-based верификаторами, judge- и reward-моделями

Создавать обучающие выборки из реальных и синтетических агентных траекторий, включая фильтрацию и отбор наиболее полезных примеров

Выбирать подходящий метод обучения и понимать, когда сложный RL-контур оправдан, а когда задачу эффективнее решить более простым способом

Строить evaluation для многошаговых агентных задач и анализировать качество не только по финальному результату, но и по поведению модели внутри траектории

Проверять, переносится ли улучшение между задачами, бенчмарками и харнесами

Контролировать регрессии и воспроизводимость результатов

Взаимодействовать с командами обучения, инференса, данных, API и агентных харнесов