Обязанности:
Мы развиваем GigaChat и ищем людей в новую команду, которая будет отвечать за подготовку датасетов для alignment больших языковых моделей. GigaChat работает внутри крупнейших сервисов Сбера — СБОЛ, Номера 900 и Giga.chat. Мы ищем ML инженера, который будет отвечать за то, как базовая модель действует в этих продуктовых сценариях: вызывает инструменты, ведёт многошаговый диалог и доводит задачу пользователя до результата. Чем предстоит заниматься: Обучать базовую модель под продуктовые сценарии Вы будете вести пост-обучение базовой модели под реальные сценарии СБОЛ, Номера 900 и Giga.chat: от SFT и DPO до online-RL (GRPO). Вам предстоит собирать траектории и формировать обучающие выборки для обучения модел Развивать архитектуру ассистента и harness Вы будете дорабатывать прототип архитектуры и создавать новые фичи runtime: сжатие контекста, хуки, механизмы памяти и пр. Для этого предстоит глубоко разобраться в устройстве агентского harness — цикле взаимодействия, вызове инструментов, управлении контекстом, обработке ошибок и восстановлении — и переносить сильные паттерны из лучших реализаций: Claude Code, OpenClaw, Hermes Готовить reward-модели и проверяемые сигналы Вы будете строить reward-модели и verifiable rewards для агентских задач: критерии успеха, награды за корректные шаги, штрафы за типичные ошибки Валидировать агентские трейсы и качество Вы будете выстраивать процесс проверки агентских траекторий: корректность шагов, разумность плана, правильность вызовов инструментов и качество итогового результата. По трейсам предстоит находить, где и почему модель ошибается, и превращать это в конкретные задачи для обучения, данных и архитектуры Что мы ждём: Опыт пост-обучения LLM: SFT, DPO, online-RL Опыт работы с LLM-агентами и вызовом инструментов (tool-calling / function calling) в многошаговых сценариях Опыт обучения reward моделей для агентских задач Готовность глубоко разбираться в устройстве агентского harness Умение доводить технические улучшения от прототипа до прода Насмотренность на лучшие агентские продукты — Claude Code, OpenClaw, Hermes, Cursor — и понимание их внутреннего устройства Условия: Корпоративный спортзал и зоны отдыха Более 400 программ СберУниверситета для роста Программа адаптации и помощь руководителя на старте Крупнейшее DS&AI community — более 600 DS банка, регулярный обмен знаниями, опытом и лучшими практиками, интерактивные лекции и мастер-классы от ведущих ВУЗов и экспертов технологических компаний, дайджест о самых Последних разработках в области DS&AI и отчеты с крупнейших конференций мира, регулярные внутренние митапы Расширенный ДМС, льготное страхование для семьи, корпоративная пенсионная программа Ипотека для сотрудников по дисконтной программеПохожие вакансии