Сбер · Москва · по договорённости
Модели распознавания речи чаще всего обучают на максимизацию правдоподобия идеальной транскрипции, а оценивают по количеству ошибок в распознанном тексте. Вы будете учить модель напрямую на недифференцируемую награду — сначала на Word Error Rate (WER), потом на точность редких слов из пользовательского словаря. Имена, термины и англицизмы — главный сорт ошибок в диктовке и голосовом ассистенте, а общий WER на них почти не реагирует. Пользовательский словарь — третий по частоте запрос пользователей наших открытых моделей
* Реализовывать on-policy обучение ASR-моделей с WER-подобной наградой
* Добавлять контекстный биасинг: список слов в условие модели и награду
* Сводить рецепт и переносить на продовый чекпоинт: сколько шагов, какая смесь, с какого момента деградирует общий WER
Уверенное владение python и pytorch
Знакомство с распределенным обучением
Знакомство с policy-gradient методами по статьям
**Будет плюсом**
* Опыт с verl, trl или любым другим RLHF-фреймворком
* Опыт с vLLM или sglang
* Любая практика с распознаванием речи, даже учебная
Отклик ведёт на сайт работодателя. Бесплатная регистрация открывает отклик и разбор резюме.
13700+ вакансий от 1400+ компаний — в основном напрямую с карьерных сайтов и из Telegram-каналов. У 750+ из них есть контакт нанимающего: пишешь человеку, а не в общую очередь. Регистрация бесплатная — откроет контакты и подбор вакансий под твоё резюме.
