Lead ML Engineer

Ищу не просто ML Lead, а очень сильного hands-on инженера, который реально работал с inference больших LLM в production. Здесь важен именно масштаб: модели до 1T параметров, distributed inference, GPU-кластеры и задачи, где нужно одновременно улучшать latency, throughput, cost и stability. Что будет в работе: production inference больших LLM, distributed inference и оптимизация serving, SGLang - уже используется в prod, post-training LLM, agent harness, caching, batching, quantization, speculative decoding, работа с GPU-инфраструктурой - сейчас 32×H200 + AWS, планируется расширение, техническое лидерство NLP/CV направления. Роль примерно на 70% hands-on. People management, performance review и 1:1 здесь нет. Что критично: сильный production LLM inference, опыт distributed inference больших моделей, vLLM / SGLang / TensorRT-LLM или сопоставимый стек, понимание tensor/pipeline/expert parallelism, KV cache, GPU optimization, post-training: SFT / DPO / RLHF и т.д., сильная база в ML / CS / математике. Большой плюс: CUDA/Triton, DeepSpeed, Megatron-LM, FSDP, MoE, свои статьи, PhD, research или заметный open-source contribution. Не ищем человека, который преимущественно делал RAG, LangChain, API-интеграции или просто деплоил готовые LLM. Здесь нужна глубокая работа с самими моделями и их инференсом. Remote, B2B (вне РФ,РБ), CET-friendly timezone, в продукте присутствует 18+ контент. Если ты сам ускорял большие LLM в production и понимаешь, что происходит с моделью на уровне GPU, serving и distributed systems - пиши мне в личку.