# Senior NLP/LLM Engineer (Copilot)
Команда управления развития искусственного интеллекта (блок «Развитие клиентского опыта B2C») ищет NLP/LLM-инженера для развития AI-copilot премиальных клиентских менеджеров. Мы переходим от классических NLP-решений к адаптивным мультиагентным системам, способным самостоятельно решать задачи в контуре бизнеса: поиск по базе знаний, суммаризация профиля, извлечение инсайтов из звонков, управление графиком, проактивные подсказки на звонке.
Обязанности
•Архитектура и разработка: проектировать и реализовывать end-to-end LLM-пайплайны, включая продвинутые RAG-системы и автономных AI-агентов с использованием планирования, function calling и мультиагентной оркестрации
•Дообучение и адаптация: SFT/RLHF/DPO, LoRA/QLoRA под специфичные бизнес-задачи. Принимать решения о том, когда дообучение необходимо, а когда достаточно промпт-инжиниринга или RAG
•Система оценки (Eval): поддерживать культуру качества, внедряя продуктовые и ML-метрики (RAGAS, DeepEval, кастомные LLM-as-a-Judge), автоматизировать регрессионное тестирование, связывать технические метрики с бизнес-метриками
•Качество кода и интеграция: писать чистый, хорошо документированный и тестируемый python-код, который легко интегрируется и поддерживается бэкенд-командой. Формировать стандарты разработки в рамках DS-экспериментов и проектировать API-контракты для ML-компонент
•Менторство и влияние: участвовать в код-ревью, формировать технические стандарты команды, декомпозировать бизнес-задачи и предлагать оптимальные ML-решения. Работать напрямую с продуктом и стейкхолдерами
Требования
•Опыт в DL/NLP от 4 лет, включая обучение/дообучение моделей на PyTorch, из них не менее года практического опыта с LLM
•Практический опыт построения AI-агентов и LLM-пайплайнов с использованием LangChain/LangGraph
•Глубокое понимание архитектуры современных LLM, включая механизмы attention, MoE, RoPE, KV-cache, методы alignment (RLHF/DPO), принципы эффективного инференса
•Сильная инженерная культура: Python (asyncio, pydantic, fastapi), написание чистого тестируемого кода (pytest), опыт разработки асинхронных микросервисов. Понимание Docker/K8s, CI/CD для ML
•Оценка и мониторинг: уверенное владение инструментами LLMOps (Arize, LangSmith, W&B, Phoenix). Опыт создания кастомных eval-пайплайнов и понимания того, как метрики влияют на продукт
•Работа с данными: опыт предобработки сложных данных для подготовки датасетов, знание SQL
•Автономность и коммуникация: умение переводить неопределённые бизнес-задачи в технический план, аргументированно отстаивать архитектурные решения, работать без микроменеджмента
Условия
•Комфортный современный офис рядом с м. Кутузовская
•Гибридный формат работы после испытательного срока
•Ежегодный пересмотр зарплаты, годовая премия
•Корпоративный спортзал и зоны отдыха, более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
•Программа адаптации и помощь руководителя на старте
•Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
•Гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
•Подписка Прайм с возможностью совместного использования на трёх близких
•Вознаграждение за рекомендацию друзей в команду Сбера
