Location: Москва
Мы развиваем GigaChat и ищем сильного руководителя направления online RL в домене STEM (математика, естественные науки, инженерные и технические дисциплины). Это роль для человека, который умеет одновременно развивать методы обучения моделей, глубоко разбираться в предметной области и выстраивать процессы сбора и подготовки данных.
Нам нужен не просто менеджер, а сильный технический руководитель, который способен глубоко погружаться в детали, самостоятельно собирать ключевые части решения и доводить идеи до реального роста качества модели.
Обязанности
* Развивать направление online RL для STEM-задач
* Определять, как должно развиваться направление online RL в STEM-домене: какие задачи для нас наиболее важны, как измерять прогресс и что в первую очередь ограничивает рост качества модели.
* Вести направление целиком: от постановки гипотез и плана работ до внедрения результатов в регулярный цикл обучения модели.
* Принимать решения о приоритетах между развитием методов, сбором данных, инфраструктурой и системой оценки качества.
* Разрабатывать и улучшать методы обучения
* Развивать подходы post-training и online RL для задач по математике, физике, химии, биологии и другим STEM-дисциплинам.
* Продумывать и внедрять способы оценки качества, которые помогают модели лучше решать реальные задачи: строить цепочки рассуждений, находить верные ответы, корректно применять формулы и методы, работать с многошаговыми задачами.
* Определять, в каких случаях online RL действительно даёт прирост качества по сравнению с supervised fine-tuning и другими подходами, а в каких — нет.
* Проводить эксперименты и разбирать результаты не только на уровне метрик, но и на уровне причин: почему модель стала лучше или хуже, насколько устойчив результат и можно ли его перенести на другие типы задач.
* Писать ключевой код и развивать инфраструктуру
* Самостоятельно писать и дорабатывать критичные части пайплайнов online RL.
* Делать надёжные и воспроизводимые эксперименты: с понятными версиями данных, конфигами, сравнением запусков и контролем деградаций.
* Выстраивать связку между моделью, верификаторами, reward-сигналами и обучающими пайплайнами так, чтобы новые идеи можно было быстро проверять и быстро доводить до практического результата.
* Оставаться сильным инженером и исследователем, а не только руководителем: при необходимости самому разбирать узкие места в коде, экспериментах и качестве данных.
* Строить контур данных для обучения
* Организовывать сбор и подготовку данных для online RL в STEM-домене: задачи разной сложности, эталонные решения, формальные и автоматические верификаторы, синтетические и реальные сценарии.
* Формировать качественные обучающие выборки с хорошим покрытием по дисциплинам, уровням сложности (от школьных до олимпиадных и университетских задач), типам рассуждений и типовым ошибкам модели.
* Встраивать в пайплайны проверки качества: символьную и численную верификацию ответов, проверку промежуточных шагов рассуждений, контроль утечек, удаление дублей, балансировку по сложности и предметным областям.
* Делать так, чтобы каждый цикл обучения улучшал не только модель, но и сам процесс: появлялись новые данные, новые сложные примеры, более точные критерии качества и лучшее понимание слабых мест модели.
* Руководить сильной технической командой
* Руководить командой исследователей и инженеров, задавать высокую планку по качеству решений, скорости работы и глубине проработки.
* Помогать команде превращать исследовательские идеи в работающие решения, которые можно встроить в основной цикл обучения.
* Удерживать баланс между глубиной исследований, инженерной надёжностью и практическим результатом для модели.
Требования
* Отличное владение Python и PyTorch.
* Практический опыт в LLM post-training: RLHF, online RL или смежных направлениях.
* Понимание специфики STEM-домена: формальная верификация ответов, chain-of-thought reasoning, работа с математической нотацией, многошаговые решения, типовые ошибки моделей в рассуждениях.
* Умение ставить гипотезы, проектировать эксперименты и принимать решения на основе результатов.
* Опыт руководства сильной технической командой.
* Готовность лично писать важные части системы руками.
Будет плюсом
* Сильный математический или естественнонаучный бэкграунд (профильное образование, олимпиадный опыт, публикации).
* Опыт построения верификаторов и reward-моделей для задач STEM.
* Опыт построения пайплайнов данных, а не только работы с уже готовыми датасетами.
* Опыт работы с distributed training или large-scale inference.
* Опыт разработки систем оценки качества для LLM (бенчмарки, LLM-as-a-judge, process reward models).
* Опыт работы с synthetic data generation, curriculum learning, active data collection.
* Понимание современных open-source стеков для обучения и инференса больших языковых моделей.
* Публикации, open-source вклад или сильный прикладной research track record.
Условия
* Сильные и сложные задачи на переднем крае развития русскоязычных LLM.
* Большую степень влияния на архитектуру решений, методы обучения и качество итоговой модели.
* Команду сильных инженеров и исследователей.
* Возможность совмещать управление направлением с глубокой технической работой.
* Конкурентную компенсацию, премии и расширенный соцпакет.
headМосква; Продумывать и внедрять способы оценки качества, которые помогают модели лучше решать реальные задачи: строить цепочки рассуждений, находить верные ответы, корректно применять формулы и методы, работать с многошаговыми задачами
Location: Москва
Мы развиваем GigaChat — самый быстрорастущий AI-проект Сбера — и ищем сильного руководителя направления безопасности ИИ. Нашими моделями пользуются миллионы людей, и наша задача делать LLM безопасной — чтобы ее просто так нельзя было уболтать продать ваш Chevrolet за 1 рубль. А ещё, помимо безопасности, наша команда развивает GigaEmbeddings — эмбеддер, который больше года удерживает топ-1 по качеству среди русскоязычных моделей на лидерборде ruMTEB.
Это роль для технического лидера, который возглавит направление: от обучения быстрых guard-моделей и online-RL до систематического редтиминга, аналитики атак на реальном трафике и развития лучших русскоязычных эмбеддеров.
Обязанности
Улучшать модели-защиты
• Обучать компактные и быстрые классификаторы входящих и исходящих сообщений: дистилляция, работа в жёстком бюджете latency, не деградируя качество основной модели.
• Развивать online-RL контур: дообучать защиты и модель на свежих атаках и сигналах с продакшена, сокращая цикл от обнаружения новой атаки до устойчивости к ней.
• Балансировать метрики защит: пропущенные нарушения против ложных срабатываний, и держать оба показателя под контролем на масштабе.
• Выстроить систематический red teaming: ручной и автоматизированный поиск джейлбрейков, prompt injection, обходов защит — перед каждым релизом и постоянно на живых моделях и продакшен-логах.
Улучшать эмбеддеры
• Развивать GigaEmbeddings: подбор и синтез данных, contrastive learning, hard negatives, дистилляция в компактные версии — удерживая топ-1 на ruMTEB.
• Применять эмбеддеры в задачах безопасности: кластеризация атак и поиск аномалий в пользовательских логах, отслеживание эволюции техник обхода.
• Собирать из продакшен-данных датасеты, и целевые тестовые наборы под конкретные кейсы: например, рефразы или ранжирование.
• Быстро отвечать данными на вопрос «почему защиту пробили и что именно сломалось» и превращать разборы инцидентов в улучшения моделей.
Требования
• Отличное владение Python и PyTorch, практический опыт обучения моделей — классификаторов и LLM, а не только их использования.
• Опыт с RL-методами дообучения (RLHF/DPO/online-RL) или готовность быстро в них погрузиться на практическом уровне.
• Умение работать с продакшен-данными и обучать классификаторы: вытащить сигнал из логов, собрать датасет, посчитать метрики и понять, где разница значима, а где — шум.• Опыт обучения guard-моделей (Llama Guard и аналоги) или построения модерационных систем под высокой нагрузкой.
• Опыт обучения эмбеддеров или ретриверов и знакомство с бенчмарками MTEB/ruMTEB.
• Опыт автоматизированного red teaming и знакомство с профильной литературой по adversarial robustness.
• Опыт в командах безопасности разработчиков моделей; публикации или open-source вклад в области AI safety.
Условия
• Возможность развивать GigaEmbeddings — лучший русскоязычный эмбеддер, больше года удерживающий топ-1 на ruMTEB.
• Команду сильных инженеров и исследователей.
• Возможность совмещать управление направлением с глубокой технической работой.
• Конкурентную компенсацию, премии и расширенный соцпакет.
Location: Москва
Мы развиваем GigaChat и ищем сильного руководителя направления ML pretrain больших языковых моделей. Недавно мы обучили MoE-модель на 700 миллиардов параметров и не собираемся останавливаться — обучение идёт на кластерах H100 и B200, а pretrain является ядром самого быстрорастущего AI-проекта Сбера.
Это роль для человека, который возьмёт на себя архитектурную часть pretrain: design моделей, законы масштабирования, выбор и адаптация attention / MoE / позиционных схем, а также все архитектурные решения, которые определяют, какой именно будет следующая флагманская модель GigaChat. Нам нужен не просто менеджер, а сильный технический руководитель, который способен глубоко погружаться в детали, самостоятельно собирать ключевые части решения и доводить архитектурные идеи до реального роста качества модели на масштабе.
Обязанности
* Развивать архитектуру моделей GigaChat
* Определять, как должна развиваться архитектура pretrain-моделей: какие направления наиболее важны, как измерять прогресс и что в первую очередь ограничивает рост качества модели.
* Проектировать архитектуру флагманских моделей и отвечать за ключевые архитектурные решения: attention, позиционные схемы (RoPE и варианты), нормализации, активации, инициализация.
* Развивать MoE-архитектуру: маршрутизация, балансировка экспертов, устойчивость маршрутизатора, влияние на качество и производительность.
* Работать с long-context и мультимодальностью на уровне архитектуры: что именно нужно менять в модели, чтобы эти возможности работали стабильно.
* Изучать и применять законы масштабирования
* Проводить scaling-эксперименты и на их основе принимать решения по размеру модели, ширине / глубине, числу и размеру экспертов, размерам батча и длительности обучения.
* Предсказывать, как архитектурные изменения поведут себя при переходе с небольших абляций на полный масштаб.
* Определять и развивать метрики, которые корректно отражают архитектурные изменения в обучении моделей.
* Определять, в каких случаях архитектурные изменения действительно дают прирост качества по сравнению с более простыми baseline'ами, а в каких — нет.
* Анализировать стабильность архитектурных решений
* Разбираться с нестабильностью на больших прогонах со стороны архитектуры: почему конкретная конфигурация расходится, где проявляются артефакты маршрутизации, коллапс энтропии, неустойчивости в attention.
* Предлагать изменения в нормализациях, клиппинге, точности вычислений и структуре блоков, которые делают обучение более предсказуемым.
* Обеспечивать безопасное масштабирование при внедрении крупных архитектурных изменений в основной трейн.
* Писать ключевой код и оставаться сильным исследователем
* Самостоятельно писать и дорабатывать архитектурные компоненты и абляции.
* Делать надёжные и воспроизводимые эксперименты: понятные версии данных, конфиги, сравнение запусков, контроль деградаций.
* Читать статьи, воспроизводить ключевые результаты и адаптировать лучшие идеи под наши задачи и инфраструктуру.
* Оставаться сильным инженером и исследователем, а не только руководителем: при необходимости самому разбирать узкие места в коде, экспериментах и настройках обучения.
* Руководить сильной технической командой
* Руководить командой исследователей и инженеров, работающих над архитектурой, задавать высокую планку по качеству решений, скорости работы и глубине проработки.
* Помогать команде превращать архитектурные идеи в работающие решения, которые можно встроить в основной цикл обучения.
* Удерживать баланс между глубиной исследований, инженерной надёжностью и практическим результатом для модели.
Требования
* Отличное владение Python и PyTorch.
* Глубокое понимание устройства обучения нейросетей: не на уровне обзоров, а на уровне, где вы можете объяснить, почему конкретная архитектурная конфигурация расходится, глядя на кривые функции потерь, нормы градиентов и энтропии.
* Глубокое понимание архитектуры LLM: Transformer, attention (MHA/GQA/MLA), RoPE и варианты позиционных эмбеддингов, нормализации, инициализации, long-context, MoE.
* Практический опыт с обучением больших моделей (а не только инференсом) и проведением архитектурных абляций.
* Способность самостоятельно взять направление и довести его до результата: от чтения статей и постановки гипотез до внедрения в основной трейн.
* Умение ставить гипотезы, проектировать эксперименты и принимать решения на основе результатов.
* Опыт руководства сильной технической командой и готовность лично писать важные части системы руками.
Будет плюсом
* Опыт работы с MoE-архитектурами: маршрутизатор, балансировка нагрузки, переполнение, артефакты маршрутизации.
* Опыт проведения scaling-экспериментов и работы с законами масштабирования.
* Опыт работы с long-context и мультимодальными расширениями LLM.
* Опыт работы с distributed training (5D-параллелизм: DP/TP/PP/EP/SP) и large-scale инференсом.
* Публикации, open-source вклад или сильный прикладной research track record.
* Понимание современных open-source стеков для обучения больших языковых моделей.
Условия
* Сильные и сложные задачи на переднем крае развития русскоязычных LLM.
* Большую степень влияния на архитектуру решений, методы обучения и качество итоговой модели.
* Команду сильных инженеров и исследователей.
* Возможность совмещать управление направлением с глубокой технической работой.
* Конкурентную компенсацию, премии и расширенный соцпакет.
Организация привлечения, подключения, активации и развития реферального канала. Контроль выполнения плана продаж по новым активным клиентам, объёму партнёрского потока, конверсии, воронке и качеству клиентского пути.
• Построить систему привлечения качественных лидов на вводные уроки и масштабировать её; • Управлять рекламным бюджетом от 5 млн ₽/мес, перераспределяя его между каналами;
Задачи:
— Провести аудит текущих процессов в направлениях Motion и Static Design, выявить возможности для автоматизации и ускорения работы
— Разработать и внедрить стратегию перехода дизайн-отдела на AI-инструменты
— Использовать искусственный интеллект для генерации изображений и видео, автоматизации рутинных задач и промпт-инжиниринга
— Реорганизовать работу отдела, распределить роли и зоны ответственности, выстроить пайплайны создания материалов и контроль качества
— Развивать культуру экспериментов и непрерывного обучения внутри команды
— Оптимизировать создание маркетинговых материалов: рекламных креативов, баннеров, видео и промо
Требования:
— Подтвержденный опыт реорганизации дизайн-отдела с внедрением AI-инструментов
— Опыт управления дизайн-командой не менее 2 лет
— Знание специфики Motion и Static Design для маркетинга
— Глубокое понимание современных AI-инструментов для дизайна и их ограничений
— Аналитическое мышление и ориентация на измеримые результаты
Будет плюсом:
— Опыт работы в iGaming
— Навыки промпт-инжиниринга
— Опыт работы в маркетинговых агентствах или маркетинговых отделах
Условия:
— Полностью удаленный формат работы с привязкой к часовому поясу GMT+3
— Возможность полностью перестроить дизайн-отдел и влиять на формирование команды
— Конкурентная заработная плата по итогам собеседования
УдалённоheadРаботу с привязкой к часовому поясу GMT+3
конкурентный анализ сервисов/продуктов/ценовых акций/каналов. сравнительный анализ внутренних процессов, выявление зон улучшений для формирования сервисной стратегии.
• Развивать действующих партнёров и партнёрскую сеть и инструменты стимулирования продаж. • Планировать и прогнозировать партнёрские продажи, управлять воронкой и коммерческими показателями.
ГибридНовосибирск; Офис в Академгородке, возможен гибрид 1–2 дня в неделю (возможна релокация)
• Управлять бухгалтерским и налоговым учётом нескольких юрлиц и ИП на ОСНО и УСН, включая производство, маркетплейсы и розничные сети.
Чебоксары; Команда находится в Чебоксарах: необходимы частые командировки или релокация полная или частичная (обсуждаемо, в зависимости от Ваших ожиданий)
Руководитель по развитию рекламных площадок (наружная реклама, digital, медиа). Задача: превратить перспективные рекламные ресурсы в самостоятельные и прибыльные направления бизнеса.
Приглашаем Руководителя проекта, который будет вести 3-4 объекта одновременно запуска до сдачи заказчику. Принимать проект от отдела продаж, проверять исходные данные, формировать бюджет и график реализации;
Автоотклики