AI Researcher (Middle to Senior+) в RnD NLP (SberAI)

Мы — исследовательская команда, работающая на переднем краю LLM-технологий. Мейнстрим LLM-рецепт — это потолок, который мы пытаемся пробить: ищем архитектурные ходы, новые objective-функции, нестандартные режимы reasoning'а — всё, что может дать кратный прирост качества/скорости. Жизненный цикл идеи: от гипотезы до PoC-фреймворка и прода флагманской LLM. Если коротко: мы ищем людей, которым интересна прикладная исследовательская работа в среднем и высоком risk-reward профиле. Над чем сейчас работаем (краткий примерный список): \* альтернативные архитектуры — encoder-decoder, гибридные attention (linear + softmax), sparse/MoE с нестандартным dispatching'ом, итеративные/loop-трансформеры; \* новые training objectives и режимы обучения — multi-token и future-state prediction, RL-pretraining, дистилляция против ансамблей teacher-моделей; \* reasoning — латентный/омнимодальный reasoning, обучаемые value-сети, MCTS-подобный поиск, self-play, ансамбли гетерогенных моделей; \* эффективность и inference — адаптивные вычисления, MoD/early-exit, serving для нестандартных архитектур; \* специализированные направления — символьные/фонетические задачи, креативная генерация, agentic capabilities. Какие-то из гипотез этих треков доедут до PoC/прода, какие-то умрут на small-scale. Это ожидаемо. **One More Thing:** Если вы рок-звезда (уровень техлида и выше) — у нас отдельный трек найма. Предлагаем compute без бюрократии, можем обсудить запуск нового research-трека под вас, потенциально своя команда и инженерная поддержка под скейлинг, прямое участие в стратегии направления — что мы делаем, во что не верим, на чём фокусируемся на длинном горизонте. Мы делаем ставку на архитектурные и training-инновации, где количество GPU перестаёт быть единственным фактором. Если такая постановка задачи будоражит кровь — пишите.\* разбирать существующие LLM-пайплайны до компонент, находить места для апгрейда не на 1%, а в разы; \* формулировать research-гипотезы и доводить их от абляций до полного pretrain/post-train цикла со scaling laws; \* обучать, валидировать, имплементировать новые архитектуры и objectives — иногда с залезанием в инфраструктуру (kernel'ы, training-фреймворк, serving); \* упаковывать результаты, доводить до PoC, инференс-движка, пилотных проектов; \* публиковаться на A/A\*-конференциях — опционально, но мы поощряем.\* глубокое понимание современного трансформера и этапов LLM-пайплайна; \* умение писать качественный и воспроизводимый ML-код, опыт запуска/обучения моделей в multi-gpu (лучше в multi-node) режиме; \* практический опыт на каком-то из этапов LLM-строения — индустриальный или серьёзный pet-project, формат не принципиален; \* хорошая насмотренность по литературе и способность читать paper'ы критически, отличать зёрна от плевел; \* умение быстро валидировать смелые гипотезы; Будет плюсом: \* опыт в классическом ML/NLP до эпохи больших моделей; \* публикации уровня A/A\* и опыт прохождения review-цикла; \* опыт large-scale training (multi-node, FSDP/DeepSpeed/Megatron); \* призовые места в Kaggle и подобных.* комфортный современный офис рядом с м. Кутузовская * гибридный формат работы * ежегодный пересмотр зарплаты, годовая премия * корпоративный спортзал и зоны отдыха * система обучения для профессионального и карьерного развития * расширенный полис ДМС с первого дня работы и страхование для семьи * программа ипотеки для сотрудников * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.