Senior ML инженер (GigaChat Prod Data)

Ориентир по рынку≈ 250 000 – 425 000 ₽наша приблизительная оценка по 10 вакансиям этой роли и грейда, у работодателя вилка не указана

🏢 ОфисMiddleПолная занятость

≈ 250 000 – 425 000 ₽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

Наша компания

Мы развиваем GigaChat и ищем людей в новую команду, которая будет отвечать за подготовку датасетов для alignment больших языковых моделей. GigaChat работает внутри крупнейших сервисов Сбера — СБОЛ, Номера 900 и Giga.chat. Мы ищем ML инженера, который будет отвечать за то, как базовая модель действует в этих продуктовых сценариях: вызывает инструменты, ведёт многошаговый диалог и доводит задачу пользователя до результата.

Чем предстоит заниматься

Обучать базовую модель под продуктовые сценарии

Вы будете вести пост-обучение базовой модели под реальные сценарии СБОЛ, Номера 900 и Giga.chat: от SFT и DPO до online-RL (GRPO). Вам предстоит собирать траектории и формировать обучающие выборки для обучения модел

Развивать архитектуру ассистента и harness

Вы будете дорабатывать прототип архитектуры и создавать новые фичи runtime: сжатие контекста, хуки, механизмы памяти и пр. Для этого предстоит глубоко разобраться в устройстве агентского harness — цикле взаимодействия, вызове инструментов, управлении контекстом, обработке ошибок и восстановлении — и переносить сильные паттерны из лучших реализаций: Claude Code, OpenClaw, Hermes

Готовить reward-модели и проверяемые сигналы

Вы будете строить reward-модели и verifiable rewards для агентских задач: критерии успеха, награды за корректные шаги, штрафы за типичные ошибки

Валидировать агентские трейсы и качество

Корректность шагов, разумность плана, правильность вызовов инструментов и качество итогового результата. По трейсам предстоит находить, где и почему модель ошибается, и превращать это в конкретные задачи для обучения, данных и архитектуры

Наши требования

Опыт пост-обучения LLM: SFT, DPO, online-RL

Опыт работы с LLM-агентами и вызовом инструментов (tool-calling / function calling) в многошаговых сценариях

Опыт обучения reward моделей для агентских задач

Готовность глубоко разбираться в устройстве агентского harness

Умение доводить технические улучшения от прототипа до прода

Насмотренность на лучшие агентские продукты — Claude Code, OpenClaw, Hermes, Cursor — и понимание их внутреннего устройства

Мы предлагаем

Корпоративный спортзал и зоны отдыха

Более 400 программ СберУниверситета для роста

Программа адаптации и помощь руководителя на старте

Крупнейшее DS&AI community — более 600 DS банка, регулярный обмен знаниями, опытом и лучшими практиками, интерактивные лекции и мастер-классы от ведущих ВУЗов и экспертов технологических компаний, дайджест о самых Последних разработках в области DS&AI и отчеты с крупнейших конференций мира, регулярные внутренние митапы

Расширенный ДМС, льготное страхование для семьи, корпоративная пенсионная программа

Ипотека для сотрудников по дисконтной программе