Обязанности
Исследовать поведение модели:
•разбирать ошибки GigaChat в длительных задачах: потерю цели и контекста, слабое планирование, неверный выбор инструментов, зацикливание, ошибки восстановления и преждевременное завершение работы
•анализировать отдельные шаги и целые траектории, находить систематические паттерны успешного и неуспешного поведения
•понимать источник проблемы и определять, что нужно менять: обучающие данные, objective, reward-сигнал, модель или agentic environment
Улучшать модель:
•разрабатывать и улучшать post-training пайплайны для агентных сценариев
•работать с rollout'ами, reward-сигналами, rule-based и execution-based верификаторами, judge- и reward-моделями
•создавать обучающие выборки из реальных и синтетических агентных траекторий, включая фильтрацию и отбор наиболее полезных примеров
•выбирать подходящий метод обучения и понимать, когда сложный RL-контур оправдан, а когда задачу эффективнее решить более простым способом
Оценивать изменения:
•строить evaluation для многошаговых агентных задач и анализировать качество не только по финальному результату, но и по поведению модели внутри траектории
•проверять, переносится ли улучшение между задачами, бенчмарками и харнесами
•контролировать регрессии и воспроизводимость результатов
•взаимодействовать с командами обучения, инференса, данных, API и агентных харнесов
Требования
•сильное владение Python и практический опыт работы с PyTorch
•практический опыт LLM post-training: SFT, preference optimization, RLHF, online RL или близкие направления
•умение самостоятельно ставить ML-гипотезы, проектировать эксперименты и делать выводы по их результатам
•опыт построения пайплайнов данных
•навык анализа модели на уровне отдельных примеров и траекторий
•способность доводить исследовательскую идею до работающего и воспроизводимого решения
Условия
•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
