Senior RL-Engineer (GigaChat Vision)

Навыки

• Аналитическое мышление
• Самостоятельность
• Code review
• Анализ данных
• EdTech
• Дообучение моделей
• Финтех и платежи

О компании и продукте

• Первый этап отбора на эту вакансию — общение с AI-рекрутером. После отклика вам на почту и в чат на платформе HeadHunter придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!

Задачи

• Разрабатывать и улучшать RL-подходы для обучения VLM/LLM-моделей: выбор алгоритмов, постановка экспериментов и анализ результатов
• Проектировать reward-функции и пайплайны обучения, выстраивать стратегии масштабирования под разные домены и сценарии, напрямую влияя на метрики качества
• Определять требования к данным для RL: участвовать в построении пайплайнов сбора, фильтрации и подготовки датасетов
• Развивать систему оценки reasoning-качества: внедрять и улучшать метрики в существующем eval-фреймворке, предлагать новые способы измерения качества под новые возможности модели
• Работать на стыке с Pretrain / SFT / Infra: обеспечивать согласованность решений и перенос экспериментов в продакшн-пайплайн
• Следить за состоянием области и переводить свежие идеи из статей в проверяемые эксперименты и инженерные решения
• Глубоко погружаться в технические задачи: дебажить эксперименты, разбирать аномалии в обучении, находить узкие места и доводить решения до результата
• Делиться экспертизой с командой: участвовать в код-ревью, помогать улучшать качество решений и подходы к экспериментам
• Развивать инфраструктуру для RL

Требования

• Глубокое понимание RL для LLM/VLM (RLHF, GRPO, PPO) и практический опыт
• Понимание полного цикла обучения VLM/LLM (pretrain → SFT → RL) и того, как решения на каждом этапе влияют на финальные метрики
• Опыт с распределённым обучением (DeepSpeed, FSDP) и inference-фреймворками
• Сильный практический опыт постановки, проведения и анализа RL-экспериментов
• Умение работать в условиях неопределённости и самостоятельно двигать сложные технические задачи
• Умение выстраивать процессы в условиях неопределённости
• Опыт взаимодействия со смежными командами и стейкхолдерами
• Системное мышление: способность видеть картину целиком — от данных и reward-дизайна до eval и продакшн-метрик

Будет плюсом

• Опыт менторинга или технического лидерства в рамках отдельных проектов
• Публикации или open-source вклад в области RL/LLM/VLM
• Опыт вывода RL-обученных моделей в продакшн и поддержки их качества

Условия

• Крупнейшее DS&AI community — более 600 DS-специалистов банка
• Дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира
• Возможность быть соавтором НИРов и статей для международных конференций
• 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

Паспорт вакансии

История публикации

Откуда что взялось

Отмечено то, что вывели мы. Без пометки — значение назвал работодатель.

Почему на этом месте в выдаче

Порядок выдачи объявлен контрактом: свежесть решает между днями, полнота и зарплата — внутри дня.