Локация
Москва, офисный формат работы
Компания
VK развивает алгоритмы персонализированных рекомендаций и AI-технологии, помогающие пользователям находить релевантный контент.
Что делать
•Развивать компоненты AI-ассистента для VK Видео: понимание намерения, удержание контекста, выбор стратегий и маршрутизация инструментов.
•Улучшать candidate generation, semantic retrieval, reranking и гибридный поиск для персонализированных рекомендаций.
•Обучать и дообучать LLM-like, reranker, query rewriting и relevance-модели.
•Создавать обучающие, тестовые и golden datasets, human-aligned evaluation и автоматические проверки качества.
•Анализировать деградации, проводить offline- и online-эксперименты, готовить A/B-тесты и интерпретировать продуктовые метрики.
•Оптимизировать latency, стоимость и вычислительные ресурсы, а также готовить компоненты к промышленной эксплуатации: интеграции, нагрузочному тестированию, мониторингу и контролю регрессий.
Требования
•Сильная теоретическая база и опыт в рекомендательных системах, информационном поиске, NLP или LLM.
•Понимание retrieval и ranking: embeddings, candidate generation, negative sampling, cross-encoders и reranking.
•Знание offline-метрик поиска и рекомендаций: Recall@K, Precision@K, NDCG и MRR.
•Опыт обучения, валидации и внедрения ML-моделей в production или production-like среду.
•Навыки воспроизводимых экспериментов, анализа ошибок и статистической интерпретации результатов.
•Опыт работы с большими объёмами данных и пайплайнами, а также базовые навыки Linux, Git, контейнеризации и работы с сервисами.
Хорошо, если есть
•Опыт создания LLM-приложений: tool calling, agentic workflows, RAG и structured generation.
•Дообучение LLM или encoder-моделей с использованием SFT, LoRA/adapters или RL.
•Опыт построения lexical, semantic или hybrid retrieval, golden datasets и LLM-as-a-judge.
•Оптимизация GPU-инференса, batching, quantization, model serving и распределённого обучения.
•Опыт A/B-тестирования рекомендательных или поисковых моделей, мультимодальных моделей и рекомендательных систем для медиаконтента.
Культура и преимущества
•Работа в отделе экспериментальных технологий AI-направления VK.
•Возможность исследовать и масштабировать ML- и DL-разработки для рекомендаций и AI-ассистентов.
•Участие в code review, обсуждении архитектуры и анализе исследовательских результатов.
•Полный рабочий день в офисном формате.
