Data Scientist в команду LLM

— Масштабирование базовой модели A-vibe: исследование новых архитектур и подходов к обучению. — Оптимизация скорости и стоимости инференса высоконагруженных моделей в продакшене. — Проектирование и помощь в разработке внутренних LLM-платформ и multi-agent-систем. — Построение надёжной инфраструктуры для оценки качества моделей (evaluation).

— Хорошо понимаете основы машинного и глубокого обучения, знаете устройство Transformer и базовые подходы к работе с NLP-моделями. — Имеете практический опыт обучения или дообучения нейросетевых моделей и работы с датасетами, метриками и валидацией. — Уверенно пишете на Python, умеете работать с PyTorch и знакомы с базовыми инженерными практиками: Git, тестирование, Code Review. — Умеете корректно ставить эксперимент, сравнивать подходы и объяснять, почему получился тот или иной результат. — Можете самостоятельно доводить до результата задачу с понятной постановкой, вовремя подсвечивать риски и обращаться за помощью, когда она нужна. — Интересуетесь LLM, читаете технические материалы и готовы быстро осваивать новые инструменты и подходы.

Наша команда занимается обучением собственных базовых LLM и их внедрением в разнообразные бизнес-сценарии Авито. Цель команды — обеспечить все продукты оптимальными моделями как по качеству ответов, так и по стоимости применения (cost-efficiency). Мы адаптируем лучшие open-source решения под русский язык и доменную специфику Авито с помощью Continual Pre-training и подмены токенизатора. Для постоянного улучшения моделей мы непрерывно исследуем новые методы, пайплайны, включая RL и синтетические данные, и датасеты. Чтобы оставаться на острие технологий, мы проводим регулярные LLM-семинары, где разбираем свежие статьи и тренды AI. Наш технический фокус сегодня: — Построение оптимального и масштабируемого пайплайна для претрейна и дообучения LLM. — Оптимизация инференса: работа с современными движками, квантованием, speculative decoding и другими методами ускорения.

— Работали с Hugging Face Transformers, PEFT/LoRA или другими инструментами дообучения LLM. — Имеете опыт с современными NLP-моделями либо участвовали в их внедрении в продакшен. — Знакомы с инструментами распределённого обучения или оптимизации инференса: DeepSpeed, vLLM, SGLang, TensorRT-LLM и аналогами. — Использовали MLOps-инструменты для трекинга экспериментов и версионирования данных: Weights & Biases, MLflow, DVC и другие. — Участвовали в исследовательских проектах, open-source-разработке или соревнованиях по машинному обучению.

— возможность влиять на продукт: ваши решения будут улучшать опыт миллионов пользователей; — сложные технологические задачи на большом масштабе; — мощное железо: доступ к производительным GPU-кластерам для экспериментов; — сильное комьюнити: команда экспертов, с которой можно обсуждать идеи и подходы; — развитие: бюджет на обучение, курсы, конференции и профессиональную литературу; — забота о здоровье: ДМС со стоматологией с первого дня, в офисе принимают терапевт и массажист; — гибкость: возможность работать удалённо или из офисов в 4 городах России.