О проекте
Мы разрабатываем системы безопасности и контроля для LLM и генеративных AI-моделей. Наша цель — создавать надёжные guardrails, которые предотвращают нежелательное поведение моделей, токсичный контент, jailbreak-атаки, утечки данных и нарушения политик, сохраняя при этом полезность и качество ответов. Мы ищем сильного специалиста в команду разработки. Человек будет не просто писать код, а глубоко понимать предметную область: проектировать и развивать защитные механизмы вокруг LLM, проводить активную аналитику собственного решения и решений конкурентов, выявлять слабые места и предлагать улучшения на основе данных и экспериментов.
Ключевой фокус — сочетание hands-on разработки и исследовательско-аналитической работы. Нам нужен человек с экспертизой, который понимает, почему работает (или не работает) тот или иной подход, а не просто применяет готовые библиотеки.
Твои задачи
•разрабатывать и улучшать компоненты AI Guardrails: фильтры контента, системы детекции токсичности, bias, PII, jailbreak-попыток, prompt injection и других рисков
•интегрировать и дообучать модели классификации / модерации (toxicity, hate speech, self-harm, sexual content и др.)
•проектировать и реализовывать пайплайны pre-/post-processing для LLM (input/output filtering, rewriting, refusal mechanisms)
•создавать и поддерживать evaluation-фреймворки: бенчмарки, red-teaming, adversarial testing, метрики безопасности и robustness
•работать с LLM API / open-source моделями, оптимизировать latency и качество guardrails
•участвовать в разработке политик безопасности, документировать решения
•анализировать инциденты, улучшать покрытие edge-cases и снижать false positive/negative
Мы ожидаем, что у тебя есть
•2–4+ года коммерческого опыта в ML/AI-разработке (Python)
•опыт работы с LLM (OpenAI, Anthropic, open-source: Llama, Mistral, Qwen и т.д.)
•практический опыт построения систем модерации / content safety / guardrails или похожих задач (toxicity detection, PII redaction, prompt defense)
•хорошее знание NLP: классификация текста, embeddings, fine-tuning (LoRA/QLoRA), evaluation
•опыт с PyTorch / Hugging Face Transformers, LangChain / LlamaIndex / аналогичными фреймворками
•понимание основных угроз LLM (jailbreaks, prompt injection, data leakage, hallucination risks)
•умение писать чистый, тестируемый код, работать с CI/CD, Docker
•самостоятельность и ownership: способность брать задачу end-to-end (от исследования до production)
•навыки работы с генеративными AI-моделями
Будет плюсом
•опыт red-teaming / adversarial ML / safety evaluation
•знание техник alignment (RLHF, DPO, constitutional AI) и safety benchmarks (HarmBench, JailbreakBench, AdvBench и др.)
•опыт работы с vector DB, RAG-пайплайнами и их безопасностью
•знание multi-modal guardrails (изображения + текст)
•опыт production-deployment ML-систем (FastAPI, Kubernetes, мониторинг)
•английский на уровне чтения документации
Работа в СберТехе — это
•гибридный формат работы
•годовой бонус и ежегодный пересмотр зарплаты
•статус аккредитованной ИТ-компании
•расширенный ДМС с первого дня и льготное страхование для семьи
•корпоративный университет Сбера, внутренняя образовательная платформа, участие в IT-конференциях
•90 дней удаленной работы из любого региона РФ
•льготная ипотека в Сбере
•бесплатная подписка СберПрайм, которой можно поделиться с 3 близкими
