Senior Research Engineer (LLM Pretraining)

Мы занимаемся pretrain'ом больших языковых моделей в GigaChat: проектируем архитектуру, подбираем рецепт обучения и поддерживаем весь инженерный контур вокруг него. Недавно мы обучили MoE-модель на 700 миллиардов параметров — и на этом не собираемся останавливаться. Обучение идёт на кластерах H100 и B200. GigaChat — самый быстрорастущий проект Сбера, и pretrain — его ядро. Масштаб - 700B MoE уже обучена, дальше — больше. Кластеры на H100 и B200. Публикации. Можно и нужно писать статьи по результатам своей работы — это не ограничивается. Команда - в России нет другой команды, которая занимается pretrain'ом на таком масштабе. Коллеги — люди, которые глубоко разбираются в теме. Влияние. Вы берёте направление целиком. Это не «выполнять задачи из бэклога», а самостоятельно определять, что важно, и доводить до результата.

• **Чем занимается команда**

• Архитектура и законы масштабирования.

• Рецепт обучения: оптимизаторы, расписание learning rate, нормализация, точность вычислений.

• Устойчивость больших прогонов и ускорение сходимости.

• Диагностика обучения и оценка изменений с опорой на математический аппарат.

• Инженерный контур: воспроизводимость, тесты, CI/CD.

• Роль с акцентом на модель, оптимизацию и инфраструктуру обучения, а не на данные. Главная цель — делать обучение быстрее, надёжнее и предсказуемее.

• **Какие задачи стоят перед командой**

• Ускорение цикла «идея → эксперимент → вывод → внедрение».

• Снижение количества ручных прогонов и неочевидных сбоев, повышение воспроизводимости и прозрачности результатов.

• Повышение надёжности больших прогонов.

• Ранняя диагностика деградаций и отделение реальных улучшений от ложных сигналов (расхождение, NaN, коллапс энтропии, артефакты маршрутизации, ложное снижение функции потерь).

• Обеспечение безопасного масштабирования при внедрении крупных архитектурных изменений.

• Анализ влияния сложных архитектур (например, mixture of experts и маршрутизация) на качество, стабильность и скорость обучения.

• Определение и развитие метрик, корректно отражающих изменения в обучении моделей.

• **Почему мы**

• Взять на себя целое направление внутри pretrain'а и развивать его: от постановки задач и планирования экспериментов до внедрения результатов в основное обучение.

• Проектировать и проводить эксперименты: формулировать гипотезы, запускать абляции, сравнивать подходы, разбираться в результатах и превращать выводы в решения для основного обучения.

• Разбираться с нестабильностью на больших прогонах: искать причины деградаций, строить диагностические метрики, предлагать изменения в оптимизаторе, расписании lr, нормализациях, инициализации, клиппинге, точности вычислений и маршрутизации.

• Работать с архитектурой смеси экспертов (MoE): маршрутизатор, балансировка нагрузки, переполнение, артефакты маршрутизации, влияние на качество и производительность.

• *

• Поддерживать большие прогоны и продолжения обучения с чекпоинтов: следить за дрейфом, проверять изменения в коде и конфигурации, снижать риск регрессий.

• Улучшать инженерное качество контура обучения: ревью критичных изменений, стратегия тестирования, воспроизводимость экспериментов, профилирование и устранение узких мест.

Будет плюсом

• Глубокое понимание устройства обучения нейросетей: не на уровне обзоров и пересказов, а на уровне, где вы можете объяснить, почему конкретный прогон расходится, глядя на кривые функции потерь, нормы градиентов и энтропии.

• Способность самостоятельно взять направление и довести его до результата: от чтения статей и постановки гипотез до внедрения в основной трейн.

• Практический опыт с PyTorch и именно с обучением моделей, а не только с инференсом.

• Умение доводить исследовательские идеи до надёжного инженерного решения: воспроизводимость, конфиги, тесты, автоматизация, понятные критерии качества.

• Хорошую инженерную культуру: аккуратные PR, профилирование, внимание к качеству кода, понятные отчёты об экспериментах.

• Опыт со смешанной точностью и распределённым обучением.

• Опыт построения систем оценки моделей или инфраструктуры для экспериментов.

• Удалённо.

• Возможность оформления в аккредитованную IT-компанию.

• Годовая премия по итогам работы до 6 окладов.

• Регулярный пересмотр зарплат.

• 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 программе.

• СберПрайм+ и скидки у партнёров.

• Бонус за рекомендации в команду