NLP Engineer (Reinforcement Learning)

GigaChat Reasoning — команда, которая даёт модели суперсилу размышлять. Мы придумываем среды, тренируем через online RL, ускоряем обучение и доводим решения до продакшна.

Направления:

• 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 NLP инженера со знанием и опытом в Reinforcement Learning. Для всех экспериментов у нас есть кластер с большим числом A/H 100'ых.

Задачи:

• 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.

Для нас важно:

• 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.

Мы предлагаем:

• 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 выбрать удобный формат работы: гибрид, офис, удаленно по РФ
• комфортный современный офис: ст. м. Кутузовская, пр. Кутузовский, 32
• 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.