Инженер ИИ-помощника GigaChat Prod (IC)

Мы развиваем GigaChat и ищем людей в новую команду, которая будет отвечать за подготовку датасетов для alignment больших языковых моделей.

GigaChat работает внутри крупнейших сервисов Сбера — СБОЛ, Номера 900 и Giga.chat. Мы ищем ML инженера, который будет отвечать за то, как базовая модель действует в этих продуктовых сценариях: вызывает инструменты, ведёт многошаговый диалог и доводит задачу пользователя до результата.

Чем предстоит заниматься:

• Обучать базовую модель под продуктовые сценарии

• Вы будете вести пост-обучение базовой модели под реальные сценарии СБОЛ, Номера 900 и Giga.chat: от SFT и DPO до online-RL (GRPO). Вам предстоит собирать траектории и формировать обучающие выборки для обучения модел

• Развивать архитектуру ассистента и harness

• Вы будете дорабатывать прототип архитектуры и создавать новые фичи runtime: сжатие контекста, хуки, механизмы памяти и пр. Для этого предстоит глубоко разобраться в устройстве агентского harness — цикле взаимодействия, вызове инструментов, управлении контекстом, обработке ошибок и восстановлении — и переносить сильные паттерны из лучших реализаций: Claude Code, OpenClaw, Hermes

• Готовить reward-модели и проверяемые сигналы

• Вы будете строить reward-модели и verifiable rewards для агентских задач: критерии успеха, награды за корректные шаги, штрафы за типичные ошибки

• Валидировать агентские трейсы и качество

• Вы будете выстраивать процесс проверки агентских траекторий: корректность шагов, разумность плана, правильность вызовов инструментов и качество итогового результата. По трейсам предстоит находить, где и почему модель ошибается, и превращать это в конкретные задачи для обучения, данных и архитектуры

Что мы ждём:

• Опыт пост-обучения LLM: SFT, DPO, online-RL

• Опыт работы с LLM-агентами и вызовом инструментов (tool-calling / function calling) в многошаговых сценариях

• Опыт обучения reward моделей для агентских задач

• Готовность глубоко разбираться в устройстве агентского harness

• Умение…