ML-инженер (Online RL) / Post-Training LLM
Отличное владение Python и PyTorch. Практический опыт в LLM post-training: RLHF, online RL, DPO или смежных направлениях. Реализовывать и дорабатывать подходы post-training и online RL. Проектировать и проводить эксперименты: формулировать гипотезы, подбирать конфигурации, анализировать результаты не...