Сбер

DL-разработчик в команду GigaChat Voice Mode

Коротко

DL-разработчик в команду GigaChat Voice Mode — голосового AI-агента Сбера, работающего над естественной речью, длинными диалогами и реакцией на перебивания. Нужен опыт распределенного обучения больших моделей, построения пайплайнов оценки качества и сбора данных для генеративных моделей, решения продуктовых ML-задач полного цикла. Плюсом будет опыт RL для LLM, мультимодальных моделей, ASR/TTS и сложных harness-систем. Формат работы — гибрид, офис в Москве.

О команде
Мы делаем Voice Mode в GigaChat — голосового AI-агента для сложных пользовательских сценариев. Хотим, чтобы общение с ним было максимально похоже на разговор с человеком: с естественной речью, длинным диалогом и нормальной реакцией на перебивания. Отдельно работаем над надежной работой с внешними инструментами, низкой задержкой и эмпатией.
У нас уже есть все основные компоненты для работы: LLM GigaChat, harness для работы с инструментами и оркестрации, ASR-модель для русского языка GigaAM, audio-conditioned модель GigaChat Audio и LLM-based синтез речи GigaTTS. Попробовать голосовой режим наших продуктов можно на giga.chat.
Обязанности
•Разрабатывать архитектуру взаимодействия voice-слоя и agent harness: перебивания, barge-in, turn-taking, асинхронные скиллы
•Экспериментировать с обучением LLM: от SFT до RL, адаптировать модели под конкретные домены и улучшать работу с функциями и скиллами
•Строить систему оценки качества голосовых агентов: от WER, latency и GCR до tau-like бенчмарков
•Улучшать работу системы на реальном трафике: работать с длинными диалогами, ошибками распознавания, телефонным каналом, шумом, акцентами, перебиваниями и спонтанной речью
В команде можно сфокусироваться на одном из направлений. Не обязательно одинаково глубоко разбираться в голосовых технологиях, agent harness и обучении моделей.
Требования
Мы ждем, что вы:
•Имеете практический опыт распределенного обучения больших моделей и понимаете, как оно устроено под капотом
•Строили пайплайны для оценки качества и сбора данных для генеративных моделей
•Умеете решать продуктовые ML-задачи полного цикла: от сбора разметки до внедрения в продакшн
Будет плюсом, если вы:
•Применяли RL-методы для обучения LLM на практике
•Занимались обучением мультимодальных LLM
•Работали над улучшением ASR, TTS или других audio-компонентов
•Понимаете, как устроены сложные harness-системы, и писали нетривиальные скиллы для собственных разработок или реальных продуктов
Условия
•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

Хватит откликаться.
Получите рекомендацию.

$10 стартовых кредитов

Всего 60 секунд, полностью на автопилоте — AI-агенты Eraldt читают ваше резюме, определяют подходящие роли, находят живые вакансии и людей, которые могут вас порекомендовать, пишут им личные письма и добиваются рекомендации.

Это не отклик на вакансию: резюме не уходит в компанию, а рекомендацию именно по этой роли мы не обещаем.

Посмотрите, кто ещё получает интервью на автопилоте