Вам предстоит решать задачи, связанные с извлечением информации из документов, диалогов и текстов различной природы. Главная задача NLP-команды IBS — создание сервисов и продуктов с использованием LLM.
Ваши задачи:
- Исследование и внедрение современных подходов для широкого круга NLP-задач: LLM и всё, что с ними связано, Information Extraction (NER, entity linking), RAG-сценарии, ASR, поиск на естественном языке и т. д.
- Проектирование RAG-пайплайнов: подготовка и чанкинг данных, индексация, retrieval/reranking, настройка контекста и кэширования, оценка качества.
- Участие в полном цикле разработки: от прототипирования до продакшена.
- Отработка гипотез и поиск оптимальных моделей/архитектур.
- Разработка ML-сервисов для обработки естественного языка (классификация, суммаризация, NER).
- Создание AI-помощников на основе обучения/файнтюнинга (SFT, LoRA, RLHF) современных генеративных моделей: GigaChat MAX, Qwen3, Llama 3.1, GPT OSS.
- Построение пайплайнов обработки данных и обучения LLM (LLM-цепочек).
- Организация процесса мониторинга качества LLM (метрики, офлайн/онлайн-оценка, observability).
- Постоянное отслеживание SOTA: чтение профильных статей/репортов, воспроизведение открытых решений, участие в обсуждениях/репозиториях.
Что ждем от тебя:
- Высшее образование: математическое, IT, техническое.
- Практический опыт построения RAG-систем под прикладные задачи (выбор векторного хранилища, настройка ретривера и реранкера, оценка).
- Опыт применения современных трансформерных моделей: GPT-подобные, BERT-класс и их модификации.
- Опыт доведения LLM-решений до продакшена, включая prompt engineering и fine-tuning под задачу.
- Знание PyTorch для fine-tuning LLM.
- Знание LLM-фреймворков и библиотек (LangChain / LlamaIndex / OpenAI SDK и др.) для создания LLM-приложений.
- Хорошее знание Python и основных библиотек анализа данных.
Мы предлагаем:
