О проекте: Мы ищем сильного Deep Learning инженера в команду, создающую ASR-системы нового поколения на пересечении технологий распознавания речи и audio-native LLM.
Один из наших главных вызовов сейчас — разработка Next Gen LLM-based ASR. Это инструктивная система, которая выходит далеко за рамки обычного speech-to-text: она будет поддерживать выдачу временных меток, диаризацию спикеров, тегирование звуковых событий и key word prompting. База для быстрого старта уже готова: у нас есть мощный Foundation Encoder (GigaAM) и сильная диалоговая модель (GigaChat Audio).
Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика вам на почту и в чат на платформе HeadHunter придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!
Обязанности
- LLM-based & Next Gen ASR: обучение больших Audio-conditioned LLM. Расширение возможностей ASR за пределы простого транскрибирования: добавление инструктивности, временных меток, диаризации, тегов событий и key word prompting.
- SFT & Online RL: проведение масштабных ML-экспериментов с Supervised Fine-Tuning и методами Online Reinforcement Learning для выравнивания модели и улучшения качества распознавания.
- Ecosystem Impact & Multimodal: использование обученной LLM-based ASR для автоматической разметки и создания высококачественных датасетов. Эти данные пойдут на улучшение текущих ASR и TTS моделей, а также станут базой для multimodal audio-native pre-training.
- Knowledge Distillation: дистилляция знаний из тяжелых LLM в быстрые и легкие модели (ASR, text normalization) для некоторых production сценариев.
- Research & Engineering: анализ актуальных научных статей, быстрая проверка гипотез на практике и доведение успешных экспериментов до прода.
Требования
- Уверенное владение Python и PyTorch: написание чистого модульного кода, ООП, типизация, тесты.
- Distributed Training: уверенный практический опыт распределенного обучения больших моделей, понимание принципов работы под капотом (DDP, FSDP, Tensor Parallelism, Context Parallelism).
- LLM Training: понимание современных пайплайнов обучения LLM (Pre-training, SFT, DPO, online RL) и архитектур (DeepSeek3.2, Qwen3.5)
- Research mindset: умение читать статьи, быстро перекладывать исследовательские идеи в работающий код и грамотно ставить эксперименты.
- Опыт работы с аудио и/или мультимодальными LLM будут большим плюсом
Условия
- крупнейшее DS&AI community — более 600 DS-специалистов банка
- дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира
- возможность быть соавтором НИРов и статей для международных конференций
- возможность выбрать удобный формат работы: гибрид или офис
- 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.
