Исследуем и внедряем передовые методы для инструктивного редактирования изображений/видео, интеграции аудио в видео-генерацию и повышения качества за счет RLHF (Reinforcement Learning from Human Feedback). Обязанности Разработка и обучение диффузионных моделей для инструктивного редактирования видео и изображений. Исследование архитектур для совместной генерации видео и синхронизированного аудио по текстовому промпту. Создание пайплайна RLHF для тонкой настройки моделей: Обучение мультимодальных reward-моделей (видео/аудио/текст). Интеграция алгоритмов RL (PPO, DPO, GRPO, OPD) в диффузионный пайплайн. Проектирование экспериментов, анализ результатов. Тесная коллаборация с Distributed Engineers для эффективной имплементации идей. Требования Сильный бэкграунд в CV, генеративных моделях (Diffusion, GANs), мультимодальном ML. Опыт работы с диффузионными моделями (Stable Diffusion/FLUX, Wan 2.X и пр.) и фреймворками (Diffusers). Практические знания Reinforcement Learning, особенно RLHF. Уверенное владение PyTorch и навыки распределенного обучения (DDP/FSDP). Способность быстро прототипировать и проводить исследования SOTA методов. Опыт работы с SGLang, vLLM, Transformers Бонус: Опыт с аудио-генерацией (AudioLDM, MusicGen), публикации на NeurIPS/ICML/CVPR. Условия комфортный современный офис рядом с м. Кутузовская ежегодный пересмотр зарплаты, годовая премия корпоративный спортзал и зоны отдыха система обучения для профессионального и карьерного развития расширенный полис ДМС с первого дня работы и страхование для семьи льготная программа ипотеки для сотрудников бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров вознаграждение за рекомендацию друзей в команду Сбера.
Похожие вакансии