Мы развиваем GigaChat и ищем людей в новую команду, которая будет отвечать за подготовку датасетов для alignment больших языковых моделей.
GigaChat работает внутри крупнейших сервисов Сбера — СБОЛ, Номера 900 и Giga.chat. Мы ищем ML инженера, который будет отвечать за то, как базовая модель действует в этих продуктовых сценариях: вызывает инструменты, ведёт многошаговый диалог и доводит задачу пользователя до результата.
Чем предстоит заниматься:
- Обучать базовую модель под продуктовые сценарии
- Вы будете вести пост-обучение базовой модели под реальные сценарии СБОЛ, Номера 900 и Giga.chat: от SFT и DPO до online-RL (GRPO). Вам предстоит собирать траектории и формировать обучающие выборки для обучения модел
- Развивать архитектуру ассистента и harness
- Вы будете дорабатывать прототип архитектуры и создавать новые фичи runtime: сжатие контекста, хуки, механизмы памяти и пр. Для этого предстоит глубоко разобраться в устройстве агентского harness — цикле взаимодействия, вызове инструментов, управлении контекстом, обработке ошибок и восстановлении — и переносить сильные паттерны из лучших реализаций: Claude Code, OpenClaw, Hermes
- Готовить reward-модели и проверяемые сигналы
- Вы будете строить reward-модели и verifiable rewards для агентских задач: критерии успеха, награды за корректные шаги, штрафы за типичные ошибки
- Валидировать агентские трейсы и качество
- Вы будете выстраивать процесс проверки агентских траекторий: корректность шагов, разумность плана, правильность вызовов инструментов и качество итогового результата. По трейсам предстоит находить, где и почему модель ошибается, и превращать это в конкретные задачи для обучения, данных и архитектуры
Что мы ждём:
- Опыт пост-обучения LLM: SFT, DPO, online-RL
- Опыт работы с LLM-агентами и вызовом инструментов (tool-calling / function calling) в многошаговых сценариях
- Опыт обучения reward моделей для агентских задач
- Готовность глубоко разбираться в устройстве агентского harness
- Умение доводить технические улучшения от прототипа до прода
- Насмотренность на лучшие агентские продукты — Claude Code, OpenClaw, Hermes, Cursor — и понимание их внутреннего устройства
Условия:
- 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
