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…