DL-разработчик в команду GigaChat Voice Mode

Мы делаем Voice Mode в GigaChat — голосового AI-агента для сложных пользовательских сценариев. Хотим, чтобы общение с ним было максимально похоже на разговор с человеком: с естественной речью, длинным диалогом и нормальной реакцией на перебивания. Отдельно работаем над надежной работой с внешними инструментами, низкой задержкой и эмпатией.

У нас уже есть все основные компоненты для работы: LLM GigaChat, harness для работы с инструментами и оркестрации, ASR-модель для русского языка GigaAM, audio-conditioned модель GigaChat Audio и LLM-based синтез речи GigaTTS. Попробовать голосовой режим наших продуктов можно на ⁠giga.chat.

Обязанности

• Разрабатывать архитектуру взаимодействия voice-слоя и agent harness: перебивания, barge-in, turn-taking, асинхронные скиллы

• Экспериментировать с обучением LLM: от SFT до RL, адаптировать модели под конкретные домены и улучшать работу с функциями и скиллами

• Строить систему оценки качества голосовых агентов: от WER, latency и GCR до ⁠tau-like бенчмарков

• Улучшать работу системы на реальном трафике: работать с длинными диалогами, ошибками распознавания, телефонным каналом, шумом, акцентами, перебиваниями и спонтанной речью

В команде можно сфокусироваться на одном из направлений. Не обязательно одинаково глубоко разбираться в голосовых технологиях, agent harness и обучении моделей.

Требования

Мы ждем, что вы

• Имеете практический опыт распределенного обучения больших моделей и понимаете, как оно устроено под капотом

• Строили пайплайны для оценки качества и сбора данных для генеративных моделей

• Умеете решать продуктовые ML-задачи полного цикла: от сбора разметки до внедрения в продакшн

Будет плюсом, если вы

• Применяли RL-методы для обучения LLM на практике

• Занимались обучением мультимодальных LLM

• Работали над улучшением ASR, TTS или других audio-компонентов

• Понимаете, как устроены сложные harness-системы, и писали нетривиальные скиллы для собственных разработок или реальных продуктов

Условия

•…