Старший ML-разработчик агентов для Алисы

Ориентир по рынку≈ 225 000 – 375 000 ₽наша приблизительная оценка по 66 вакансиям этой роли и грейда, у работодателя вилка не указана

🏢 ОфисSeniorПолная занятость

≈ 225 000 – 375 000 ₽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

Зарплату в объявлении не раскрыли. Ориентир на созвон: столько платят в 66 похожих вакансиях Разработчик уровня Senior.

платят меньше225 000 – 375 000 ₽ у половины таких вакансийплатят больше

Вилки нет

Живость

Опубликована 8 дней назад. Свежие вакансии почти всегда живые.

Свежая

Описание

Обязанности: 10, требования: 6. Понятно, что за работа, ещё до отклика.

Подробно

Что требуют

ОбязательноMLNLPLLMRAGPythonPyTorchLangChain

Надбавка к зарплате на этом уровне: ML +43%, LLM +43%, Python +22%.

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

Написали своего первого агента на LangGraph и хотите перейти на следующий уровень? Мы в команде Алисы строим мультиагентную платформу, которая будет решать различные задачи миллионов пользователей — от собственной продуктивности до коммерческих сценариев. WebAgents, tool calling, (V)LLM, A/GRPO, симуляторы, хардовый R&D — это всё про нас. С видеокартами мы уже разобрались, так что ищем крутых коллег, с которыми построим успешных агентов массового пользования.

Чем предстоит заниматься

Разработка и внедрение агентов на базе LLM, проектирование ML-компонентов платформы агентов

Вы будете создавать агентов, которые умеют обрабатывать сложные, multi-turn- и multi-modal-запросы пользователей. Предстоит разрабатывать системы маршрутизации задач, выбора инструментов и моделей, а также настраивать управление вызовами функций и оркестрацию различных моделей внутри пайплайна

Замена традиционных классификаторов LLM-пайплайнами и RAG-системами

Нужно будет трансформировать старые архитектуры в современные пайплайны с LLM, вызовом функций, планированием и рассуждениями

Дообучение, настройка и интеграция моделей, оптимизация inference

Вам предстоит работать как с опенсорс-моделями, так и с внутренними, включая fine-tuning, RL и адаптацию под платформу агентов. Нужно обеспечить быструю и устойчивую работу агентов на проде, включая оптимизацию inference и взаимодействие с инфраструктурой (Eagle, FP8, дистилляцию, multi-dimensional parallelism, etc.)

Исследования и эксперименты с графами агентов и памятью

Мы экспериментируем с вызовами агентов, memory-подсистемами, симуляцией поведения, архитектурами reasoning и системами планирования

Участие в разработке RL-моделей для обучения диалоговых агентов

Если у вас есть опыт работы с multi-turn reinforcement learning или интерес к нему, можно будет погрузиться в постановку и реализацию таких экспериментов в масштабах Яндекса и Алисы с сотнями тулов и большим количеством тёрнов