Research Engineer

GigaChat (GigaChain): Agentic Post-Training и Online RL

**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.

* 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.

* 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.