24 июл.
Руководитель направления разработки LLM
ЗП не указана, ≈ 249 033 ₽
Москва
Lead
Higgsfield AI — самая быстрорастущая компания в истории генеративного ИИ, достигшая $500 млн годового дохода, более 25 млн пользователей по всему миру, более 6 млн генераций в день и обслуживающая 390 брендов из списка Fortune 500.
Мы работаем на самом переднем крае создания видео с помощью ИИ и инструментов следующего поколения для творчества. Присоединение к Higgsfield означает стать частью команды с высоким воздействием, формирующей будущее ИИ-ориентированных опытов, в компании, которая не просто движется быстро, а переписывает понятие скорости.
О роли
Мы ищем старшего инженера по прикладному машинному обучению для создания и поддержки производственных систем машинного обучения для понимания контента, модерации и обеспечения соблюдения политики в области изображений и видео, сгенерированных ИИ.
Вы будете работать над прикладными задачами, такими как:
Рекомендательные системы
Модерация контента, включая: обнаружение NSFW, распознавание интеллектуальной собственности и персонажей, выявление нарушений политики, классификация контента и другие задачи доверия и безопасности.
Прогнозирование / сегментация поведения пользователей.
Это роль с полной ответственностью. Вы будете отвечать не только за разработку моделей, но и за определение задачи, создание наборов данных, проектирование оценочных систем, развертывание моделей в продакшн и измерение их влияния на продуктовые и бизнес-метрики.
Полностью владеть прикладными проектами машинного обучения — от определения задачи и сбора данных до развертывания в продакшн и мониторинга.
Создавать мультимодальные системы классификации и обнаружения для изображений, видео, текста и метаданных.
Разрабатывать решения для обнаружения NSFW, распознавания интеллектуальной собственности и персонажей, обеспечения соблюдения политики контента и связанных задач доверия и безопасности.
Тонко настраивать и оценивать модели vision-language, классификаторы, модели встраивания и другие релевантные архитектуры.
Создавать качественные обучающие и оценочные наборы данных с использованием разметки людьми, синтетических данных, поиска сложных негативов и активного обучения.
Определять оценочные системы, отражающие реальные производственные сценарии, а не полагаться только на стандартные офлайн-бенчмарки.
Проектировать и оптимизировать конвейеры вывода для высокой пропускной способности, низкой задержки, надежности и экономической эффективности.
Устанавливать мониторинг качества моделей, дрейфа данных, охвата политики, ложноположительных и ложноотрицательных срабатываний в продакшне.
Проводить эксперименты и анализировать влияние систем машинного обучения на пользовательский опыт, безопасность платформы, конверсию, удержание, успешность генераций и операционные затраты.
Тесно сотрудничать с командами продукта, инженерии, юридического отдела, политики и операций для преобразования бизнес- и политических требований в масштабируемые технические системы.
Принимать прагматичные решения о разработке или покупке, комбинируя внутренние модели, сторонние решения и системы на основе правил, где это уместно.
Вносить вклад в архитектуру и техническое направление прикладной платформы машинного обучения компании.
Опыт работы в машинном обучении не менее 5 лет, с значительным опытом развертывания ML-систем в продакшн.
Сильный опыт в компьютерном зрении, мультимодальном машинном обучении, понимании контента, рекомендациях, ранжировании, обнаружении мошенничества, доверии и безопасности или в смежной прикладной области ML.
Доказанная способность самостоятельно вести сложные проекты ML от неоднозначной бизнес-задачи до запуска в продакшн.
Глубокое понимание оценки моделей, включая компромиссы между точностью и полнотой, выбор порогов, калибровку, дисбаланс классов и принятие решений с учетом стоимости ошибок.
Опыт создания наборов данных, рабочих процессов разметки, оценочных наборов и циклов обратной связи для постоянного улучшения качества моделей.
Опыт развертывания и эксплуатации моделей в масштабе, включая оптимизацию вывода, мониторинг, переобучение и реагирование на инциденты.
Сильные навыки Python и опыт работы с современными ML-фреймворками, такими как PyTorch.
Умение работать с крупномасштабными данными и производственными системами.
Хорошее понимание продукта и связи производительности модели с пользовательским опытом и бизнес-результатами.
Способность ясно объяснять технические компромиссы как техническим, так и нетехническим заинтересованным сторонам.
Точность и полнота по разным категориям контента и политики.
Уровень ложноположительных срабатываний и процент легитимных пользовательских генераций, ошибочно заблокированных.
Уровень ложноотрицательных срабатываний и воздействие контента, нарушающего политику.
Показатели апелляций пользователей и отмены модерации.
Успешность и завершенность генераций.
Задержка вывода модели и доступность системы.
Стоимость классификации или генерации.
Объем ручного обзора и операционная нагрузка.
Охват новых моделей, форматов, рынков и категорий политики.
Влияние на удержание пользователей, вовлеченность и конверсию.
Опыт работы в области доверия и безопасности, модерации контента, обнаружения авторских прав или интеллектуальной собственности.
Опыт работы с генеративными моделями изображений или видео.
Опыт работы с моделями vision-language, встраиваниями, поиском по сходству, перцептивным хешированием или системами поиска.
Опыт создания систем обзора и аннотирования с участием человека в цикле.
Знакомство с противодействием, обходом моделей, паттернами злоупотреблений и постоянно меняющимися распределениями контента.
Опыт работы в быстрорастущем стартапе.
В первые месяцы вы самостоятельно возьмете на себя ответственность за важную прикладную ML-задачу, установите надежную базу для оценки, развернете начальное производственное решение и создадите измеримую петлю улучшения на основе реальных пользовательских и бизнес-результатов.
Со временем вы поможете построить масштабируемую платформу контентной аналитики и доверия и безопасности, которая поддерживает новые модели, продукты, политики и рынки без создания ненужных препятствий для легитимных пользователей.
Конкурентоспособную базовую зарплату в долларах США
Акции: участие в программе опционов компании, дающей возможность разделить долгосрочный рост компании.
Работу на месте в нашем офисе в Алматы (мы обеспечим переезд из любой точки).
Будьте осторожны: если работодатель просит войти через Google, iCloud или Госуслуги, прислать код или пароль, запустить ПО или перевести деньги — это мошенники.
