Требуется «NLP-разработчик в Алису» (Москва)

О вакансии

Чем предстоит заниматься

• Проектировать и запускать эксперименты по обучению агента взаимодействию с компьютерными средами
• придумывать и реализовывать новые RL-пайплайны — от формулировки reward-функций до архитектуры обучения на многошаговых траекториях с вызовами тулов. Вы будете работать с симуляторами сред и реальными траекториями: строить data flywheel от сбора данных до улучшения модели. Нужно будет обучать и файнтюнить большие модели, оптимизировать инференс для прода: FP8, дистилляцию, параллелизм.
• Улучшать GUI grounding и визуальное понимание экрана (VLM-компоненты агента)
• участвовать в проектировании архитектуры агента: memory, planning, оркестрации тулов. Предстоит уделять внимание safety- и truthfulness-аспектам, доводить R&D-результаты до продакшна на платформе, обслуживающей миллионы пользователей.
• Больше об ML в Яндексе — в канале Yandex for ML

Что нужно для работы

• Мы ждем, что вы
• Имеете глубокий практический опыт с DL и RL: обучали модели через GRPO, GSPO, DAPO, Dr.GRPO, понимаете нюансы reward design, знаете, почему обучение разваливается и как это чинить
• Обучали большие модели — занимались файнтюнингом LLM и VLM не по туториалу, а в реальных задачах
• Обладаете исследовательским мышлением: умеете находить и критически оценивать статьи, вычленять применимые идеи и быстро проверять гипотезы
• Работаете с задачей от постановки эксперимента до результата в проде
• Уверенно владеете Python, PyTorch
• Будет плюсом, если вы
• Будет плюсом: Работали с VLM: занимались их обучением, файнтюнингом, инференсом
• Будет плюсом: Работали с multi-turn RL на траекториях взаимодействия с инструментами и средой
• Будет плюсом: Имеете публикации на топ-конференциях: NeurIPS, ICML, ICLR, ACL и т. д.
• Будет плюсом: Работали с computer use, web agents, GUI grounding