Research Engineer

GigaChat (GigaChain): Agentic Post-Training и Online RL Место работы: г Москва Требуемый опыт: Более 6 лет Обязанности: Исследовать поведение модели: * разбирать ошибки GigaChat в длительных задачах: потерю цели и контекста, слабое планирование, неверный выбор инструментов, зацикливание, ошибки восстановления и преждевременное завершение работы * анализировать отдельные шаги и целые траектории, находить систематические паттерны успешного и неуспешного поведения * понимать источник проблемы и определять, что нужно менять: обучающие данные, objective, reward-сигнал, модель или agentic environment. Улучшать модель: * разрабатывать и улучшать post-training пайплайны для агентных сценариев * работать с rollout’ами, reward-сигналами, rule-based и execution-based верификаторами, judge- и reward-моделями * создавать обучающие выборки из реальных и синтетических агентных траекторий, включая фильтрацию и отбор наиболее полезных примеров * выбирать подходящий метод обучения и понимать, когда сложный RL-контур оправдан, а когда задачу эффективнее решить более простым способом. Оценивать изменения: * строить evaluation для многошаговых агентных задач и анализировать качество не только по финальному результату, но и по поведению модели внутри траектории * проверять, переносится ли улучшение между задачами, бенчмарками и харнесами * контролировать регрессии и воспроизводимость результатов * взаимодействовать с командами обучения, инференса, данных, API и агентных харнесов. Требования: * сильное владение Python и практический опыт работы с PyTorch * практический опыт LLM post-training: SFT, preference optimization, RLHF, online RL или близкие направления * умение самостоятельно ставить ML-гипотезы, проектировать эксперименты и делать выводы по их результатам * опыт построения пайплайнов данных * навык анализа модели на уровне отдельных примеров и траекторий * способность доводить исследовательскую идею до работающего и воспроизводимого решения. Условия: * возможность выбрать удобный формат работы: гибрид или офис * ежегодный пересмотр зарплаты, годовая премия * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа * ипотека выгоднее до 7% для каждого сотрудника * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.