One Day Offer для NLP Engineer (Pretrain Data)

Задачи, которые предстоит решать

• Генерировать синтетические данные: математика, код, произвольная синтетика на основе seed-документов из web.
• Исследовать токенизацию и её влияние на качество модели (возможно написание статей).
• Решать задачи кластеризации миллиардов документов.
• Исследовать разные факторы, которыми обладают текстовые данные.
• Генерировать vision-данные для прокачки VLM.
• Разрабатывать новые алгоритмы парсинга HTML и исследовать его влияние на качество модели.
• Исследовать зависимости между pretrain-данными и agentic capabilities итоговой модели.
• Разрабатывать стабильную инфраструктуру, которая будет поддерживать проведение сотен и тысяч экспериментов над данными.

Формат работы

• Гибрид в Москве.