NLP Engineer (Reinforcement Learning)

Привет! Это GigaChat Reasoning — команда, которая даёт модели суперсилу размышлять. Мы придумываем среды, тренируем через online RL, ускоряем обучение и доводим решения до продакшна. 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 талантливого **NLP Engineer** со знанием и опытом в Reinforcement Learning. Для всех этих экспериментов у нас есть кластер с большим числом A/H 100'ых.

• 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.

• 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.

• 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.