Middle AI Guardrails Developer (Platform V AI Guardrails)

Мы разрабатываем системы безопасности и контроля для LLM и генеративных AI-моделей. Наша цель — создавать надёжные guardrails, которые предотвращают нежелательное поведение моделей, токсичный контент, jailbreak-атаки, утечки данных и нарушения политик, сохраняя при этом полезность и качество ответов. Мы ищем сильного специалиста в команду разработки. Человек будет не просто писать код, а глубоко понимать предметную область: проектировать и развивать защитные механизмы вокруг LLM, проводить активную аналитику собственного решения и решений конкурентов, выявлять слабые места и предлагать улучшения на основе данных и экспериментов.

Ключевой фокус — сочетание hands-on разработки и исследовательско-аналитической работы. Нам нужен человек с экспертизой, который понимает, почему работает (или не работает) тот или иной подход, а не просто применяет готовые библиотеки.

### Твои задачи:

*  разрабатывать и улучшать компоненты AI Guardrails: фильтры контента, системы детекции токсичности, bias, PII, jailbreak-попыток, prompt injection и других рисков
* интегрировать и дообучать модели классификации / модерации (toxicity, hate speech, self-harm, sexual content и др.)
* проектировать и реализовывать пайплайны pre-/post-processing для LLM (input/output filtering, rewriting, refusal mechanisms)
* создавать и поддерживать evaluation-фреймворки: бенчмарки, red-teaming, adversarial testing, метрики безопасности и robustness
* работать с LLM API / open-source моделями, оптимизировать latency и качество guardrails
* участвовать в разработке политик безопасности, документировать решения
* анализировать инциденты, улучшать покрытие edge-cases и снижать false positive/negative.

### Мы ожидаем, что у тебя есть:

* 2–4+ года коммерческого опыта в ML/AI-разработке (Python)
* опыт работы с LLM (OpenAI, Anthropic, open-source: Llama, Mistral, Qwen и т.д.)
* практический опыт построения систем модерации / content safety / guardrails или похожих задач (toxicity detection, PII redaction, prompt defense)
* хорошее знание NLP: классификация текста, embeddings, fine-tuning (LoRA/QLoRA), evaluation
* опыт с PyTorch / Hugging Face Transformers, LangChain / LlamaIndex / аналогичными фреймворками
* понимание основных угроз LLM (jailbreaks, prompt injection, data leakage, hallucination risks)
* умение писать чистый, тестируемый код, работать с CI/CD, Docker.
* самостоятельность и ownership: способность брать задачу end-to-end (от исследования до production)
* навыки работы с генеративными AI-моделями.

**Будет плюсом:**

* опыт red-teaming / adversarial ML / safety evaluation
* знание техник alignment (RLHF, DPO, constitutional AI) и safety benchmarks (HarmBench, JailbreakBench, AdvBench и др.)
* опыт работы с vector DB, RAG-пайплайнами и их безопасностью
* знание multi-modal guardrails (изображения + текст)
* опыт production-deployment ML-систем (FastAPI, Kubernetes, мониторинг).
* английский на уровне чтения документации.

### **Работа в СберТехе - это:**

* гибридный формат работы
* годовой бонус и ежегодный пересмотр зарплаты
* статус аккредитованной ИТ-компании
* расширенный ДМС с первого дня и льготное страхование для семьи
* корпоративный университет Сбера, внутренняя образовательная платформа, участие в IT-конференциях
* 90 дней удаленной работы из любого региона РФ
* льготная ипотека в Сбере
* бесплатная подписка СберПрайм, которой можно поделиться с 3 близкими.