ML-аналитик / аналитик качества ИИ-помощника

ИИ-помощник умеет отвечать на вопросы, пользоваться инструментами и выполнять задачи. Но как понять, что новая версия действительно стала лучше? Почему один сценарий работает хорошо, а в другом помощник ошибается? И что нужно изменить в модели или продукте, чтобы это исправить?

Ищем ML-аналитика, которому интересно разбираться в этих вопросах: исследовать поведение ИИ, придумывать способы измерения качества и помогать команде делать помощника полезнее.

Нам нужен ai-native специалист. Человек, для которого работа с ИИ - привычная часть решения задач. Вы умеете поручить агенту написание кода, собрать с его помощью исследовательский пайплайн, быстро проверить несколько гипотез и разобраться, где результату можно доверять. При этом постановка задачи, выбор метода и ответственность за вывод остаются за вами.

Обязанности

• Исследовать, как помощник справляется с реальными задачами пользователей: где ошибается, чего ему не хватает и какие улучшения дадут эффект.

• Создавать eval-наборы и бенчмарки, на которых можно проверить новые модели, промпты, скиллы и работу с инструментами.

• Развивать SBS и LLM-as-judge: учить автоматическую оценку замечать существенные различия и проверять её на человеческой разметке.

• Превращать найденные проблемы в гипотезы, данные для дообучения и понятные критерии приёмки.

• Связывать качество модели с качеством продукта: выяснять, какие изменения помогают пользователю решить свою задачу.

• Строить инструменты, которые позволяют команде быстрее исследовать качество и замечать регрессии.

Требования

• Вам интересно докопаться до причины ошибки и придумать эксперимент, который поможет её проверить.

• Вы умеете работать с неопределённостью: понимаете ограничения данных, замечаете слабые места в методе и можете объяснить, что следует из результата.

• У вас сильная база в статистике и анализе данных.

• Вы уверенно работаете с Python и SQL, можете прочитать, проверить и исправить код, созданный ИИ.

• Понимаете принципы работы LLM и…