R&D-подразделение лаборатории кибербезопасности развивает платформу автономного наступательного тестирования нового поколения. В основе — мультиагентная роевая архитектура на базе LLM, объединяющая инструментальную автоматизацию, методологию MITRE ATT&CK и адаптивную оркестрацию атакующих сценариев. Мы строим среду, в которой LLM-агенты помогают воспроизводить действия Red Team: разведку, эксплуатацию, закрепление, горизонтальное перемещение — от единичных техник до полноценных цепочек атак. Отдельный фокус проекта — развитие собственных доменно-специализированных моделей и пайплайнов обучения: подготовка данных, SFT/LoRA/RL-подходы, оценка качества reasoning и tool-use поведения, эксперименты с форматами обучающих примеров и автоматическая генерация данных. Обязанности Проектирование, проведение и анализ DS R&D-экспериментов для улучшения LLM/DSLM в задачах offensive security: подготовка и нормализация данных, fine-tuning, LoRA/SFT/GRPO/RL-подходы, оценка качества моделей, исследование агентного поведения, tool use, reasoning, RAG и интеграция результатов в мультиагентную платформу. подготовка и нормализация обучающих данных: разбор writeups, CTF/HTB решений, логов агентных прогонов, командной истории, reasoning-трейсов, structured output и tool-use эпизодов проектирование форматов обучающих датасетов: task → action, observation → next step, multi-step trajectories, critique/reflection, verification, command generation, schema-based tool calls построение пайплайнов для SFT/LoRA/QLoRA: подготовка JSONL датасетов, валидация схем, дедупликация, фильтрация, балансировка, train/val/test split, контроль утечек эксперименты с RL-подходами для LLM: GRPO, DPO, reward modeling, preference datasets, self-play/evolutionary data generation, автоматическая оценка траекторий оценка качества моделей и обучающих данных: разработка метрик для reasoning, tool use, command correctness, task progress, milestone completion, hallucination rate, robustness создание пайплайнов синтеза данных: генерация задач, окружений, сценариев атак, подсказок, команд, объяснений, негативных примеров и проверочных наборов работа с NLP-задачами внутри домена: классификация техник MITRE ATT&CK, извлечение сущностей из writeups, нормализация команд, суммаризация траекторий, поиск похожих шагов, кластеризация исследование RAG и knowledge grounding: построение доменных баз знаний, retrieval over writeups/manpages/tools/docs, оценка влияния контекста на качество действий агента эксперименты с локальными open-source моделями: запуск через vLLM/Ollama/llama.cpp, подбор базовых моделей, сравнение SFT/LoRA вариантов, inference benchmarking интеграция обученных моделей в агентную систему: проверка качества в CTF-like средах и реальных окружениях разработка исследовательской инфраструктуры: MLflow/Langfuse-логирование, трекинг экспериментов, версионирование данных, автоматические отчеты анализ современных статей и open-source проектов в области LLM fine-tuning, cyber agents, tool use, synthetic data, agentic RL и LLM evaluation. Требования высшее техническое образование практический опыт в ML/DL/NLP от 2х лет: обучение, дообучение, валидация моделей, анализ ошибок, работа с экспериментами. опыт работы с LLM: prompt design, structured output, tool calling, schema-based interaction, evaluation понимание современных подходов к fine-tuning LLM: SFT, LoRA/QLoRA, instruction tuning, preference tuning; готовность разбираться в GRPO/RL-подходах практический опыт с PyTorch, Hugging Face Transformers/Datasets, PEFT, TRL или аналогичными инструментами понимание базовых NLP-задач: классификация, извлечение сущностей, retrieval, embeddings, reranking, clustering, summarization сильный Python: чистый, поддерживаемый, расширяемый код; опыт коммерческой или исследовательской backend-разработки опыт построения мультиагентных систем или сложных agentic workflow понимание архитектуры агента: роли, цели, память, планирование, вызов инструментов, контуры верификации опыт работы с агентными фреймворками (CrewAI, LangGraph, Autogen или аналоги) опыт интеграции внешних инструментов, CLI-утилит, брокеров сообщений, баз данных понимание принципов RAG: retrieval, knowledge grounding, работа с контекстом навыки отладки, профилирования и оптимизации Python-приложений. Будет плюсом опыт на стыке GenAI и Cybersecurity участие в CTF, Hack The Box, разработка security-тулинга или research automation практика fine-tuning open-source LLM на доменных данных практика работы с локальным запуском open-source моделей (vLLM, Ollama, llama.cpp) опыт работы с GRPO, DPO, ORPO, reward models, RLHF/RLAIF или другими post-training подходами опыт построения multi-step planning, tree search, graph-based orchestration в агентных системах навыки Docker, Kubernetes, CI/CD, Langfuse опыт быстрого прототипирования R&D-решений в условиях неопределённых требований понимание offensive/defensive security workflow на уровне исследовательских задач собственные pet-проекты, GitHub, публикации или сильные результаты в профильных соревнованиях. Условия комфортный современный офис формат работы - фул 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 гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров вознаграждение за рекомендацию друзей в команду Сбера.
Похожие вакансии