Развивать и оптимизировать CUA-агентов: повышать accuracy прохождения сценариев, уменьшать количество шагов, улучшать обработку edge-кейсов (капчи, нестандартные UI, динамический контент).
Проектировать и внедрять новые агентные пайплайны (multi-agent, judge-based архитектуры).
Работать с vision-language моделями (UI-TARS, Claude Vision): подбор, fine-tuning, prompt engineering, оценка качества.
Интегрировать и деплоить LLM-сервисы (vLLM, OpenAI API, Anthropic API), оптимизировать инференс (tensor parallelism, batching).
Участвовать в масштабировании системы: увеличение количества одновременно обрабатываемых задач, параллелизация задач, управление ресурсами виртуальных машин.
Работать с данными: парсинг, структурирование результатов, интеграция с PostgreSQL и S3.
Опыт работы с LLM в продакшн-окружении (prompt engineering, function calling, structured output).
Опыт построения AI-агентов (LangChain / LangGraph / ReAct / Tools).
Понимание архитектуры и принципов работы CUA / GUI-агентов (Anthropic Computer Use, UI-TARS или аналоги).
Уверенное владение Python (asyncio, FastAPI или аналогичные фреймворки).
Опыт работы с Docker (сборка образов, docker-compose, управление контейнерами).
Умение читать и воспроизводить результаты ML-research (статьи, бенчмарки, open-source модели).
Будет плюсом:
Опыт деплоя и оптимизации LLM-инференса (vLLM, TGI, tensor parallelism).
Опыт fine-tuning vision-language моделей.
Знакомство с multi-agent системами и оркестрацией агентов.
Опыт работы с Anthropic API (в т.ч. Computer Use).
Понимание веб-автоматизации (Selenium, Playwright, pyautogui).
Опыт работы с PostgreSQL, SQLAlchemy, Alembic.
Работа над R&D-проектом в области AI-агентов и LLM-систем.
Современный стек: Python, LLM-сервисы, vision-language модели, агентные архитектуры.
Возможность работать с передовыми решениями в области Computer Use Agents.
