Инженер по прикладному машинному обучению / моделированию для AI Phone

О компании

Мы переосмысливаем телефон. AI-телефоны должны быть проактивными, интуитивными, интеллектуальными и недорогими. Это критически важная миссия для того, чтобы остальной мир принял интеллект.

Более 5 миллиардов человек ежедневно используют такие приложения, как электронная почта, сообщения, заметки, задачи и календари, однако большинство из них не являются AI-нативными. Наша миссия — создавать проактивные приложения и устройства, которые привносят интеллект в повседневные разговоры, координацию и рабочие процессы с минимальным количеством подсказок.

Обязанности

• Оценивать существующие фундаментальные модели (например, Qwen, Llama, Gemma и другие подходящие модели с открытыми весами) в контексте наших целевых сценариев использования на телефоне.

• Определять, какие возможности могут быть реализованы с помощью существующих моделей, а где требуется дополнительная адаптация или дообучение модели.

• Экспериментировать с SFT, LoRA/QLoRA и другими легковесными методами дообучения для конкретных сценариев использования.

• Улучшать производительность моделей в задачах распознавания намерений, следования инструкциям, вызова инструментов, структурированных выводов и выполнения многошаговых задач.

• Исследовать генерацию синтетических данных и создание наборов данных для рабочих процессов, специфичных для телефона.

• Создавать оценочные наборы данных и эталоны для измерения качества модели, надежности и выполнения задач.

• Сравнивать различные модели и подходы, включая локальный и облачный вывод.

• Тесно сотрудничать с командой Agent Runtime для улучшения производительности моделей в реальных рабочих процессах агентов.

Требования

• Сильная база в области машинного обучения, глубокого обучения или обработки естественного языка.

• Практический опыт работы с большими языковыми моделями (LLM) и моделями с открытыми весами.

• Опыт дообучения моделей, таких как SFT, LoRA/QLoRA, а также желательно RL или оптимизации предпочтений.

• Опыт работы с PyTorch и распространёнными инструментами машинного обучения.

• Понимание оценки LLM, бенчмаркинга и подготовки наборов данных.

• Умение проводить эксперименты, анализировать ошибки моделей и преобразовывать результаты в измеримые улучшения.

Желательно

• Опыт работы с агентными системами, вызовом функций и обучением использованию инструментов.

• Опыт генерации синтетических данных и работы с наборами данных предпочтений.

• Опыт дистилляции моделей и работы с меньшими языковыми моделями.

• Опыт развертывания моделей в производственных средах.