NLP Engineer (Reinforcement Learning)

Описание

Привет! Это GigaChat Reasoning — команда, которая даёт модели суперсилу размышлять. Мы придумываем среды, тренируем через online RL, ускоряем обучение и доводим решения до продакшна. Улучшение GigaChat Reasoning: полный цикл обучения от холодного старта до вывода модели продакшн. Добавление новых доменов, создание датасетов и функций оценки ответов. Развитие агентских навыков и tool calling с помощью Online RL: создание сред для обучения LLM, обучение и тестирование моделей. Улучшение продукта Deep Research На эти роли мы ищем талантливого **NLP Engineer** со знанием и опытом в Reinforcement Learning. Для всех этих экспериментов у нас есть кластер с большим числом A/H 100'ых.

Обязанности

* улучшать качество работы GigaChat Reasoning на русском и английском языках * ускорять пайплайн обучения: профилирование узких мест, эффективный сэмплинг * тестировать новые Loss-функции и подходы к обучению * помогать выводить в прод всё, что мы обучим * постоянно держаться up-to-date со свежими статьями.

Требования

* опыт в online RL и хорошие теоретические знания * уверенное владение Python, PyTorch * знание базовых алгоритмов и математики * знания в DL, опыт обучения простых и больших моделей * опыт обучения моделей для продакшена * понимание текущего состояния эволюции больших LLM'ов * будет плюсом наличие публикаций.

Условия

* 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.