Сбер·Москва·6 июля
Senior RL - Engineer (GigaChat Vision)
Ориентир по рынку≈ 200 000 – 400 000 ₽наша приблизительная оценка по 76 вакансиям этой роли и грейда, у работодателя вилка не указана
🏢 ОфисSeniorПолная занятостьКорпорация
54
Есть о чём спросить
За такой навык на рынке платят больше, готовы вкладываться в обучение. Но вилки нет, про деньги придётся договариваться с нуля.
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 senior-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!_